EL ÍNDICE CONEAT COMO MEDIDA DE PRODUCTIVIDAD Y VALOR DE … · EL ÍNDICE CONEAT COMO MEDIDA DE...

Autores: Bruno Lanfranco Crespo* Gonzalo Sapriza Fraga**

* Ing. Agr., MSc., PhD., Economía Aplicada y Proyectos INIA.* * Licenciado en Economía.

EL ÍNDICE CONEAT COMO MEDIDADE PRODUCTIVIDAD Y VALORDE LA TIERRA

Título:

Autores:

Serie Técnica N° 187

© 2011, INIA

ISBN: 978-9974-38-307-4

Editado por la Unidad de Comunicación y Transferencia de Tecnología de INIAAndes 1365, Piso 12. Montevideo - Uruguayhttp://www.inia.org.uy

Quedan reservados todos los derechos de la presente edición. Esta publicación nose podrá reproducir total o parcialmente sin expreso consentimiento del INIA.

EL ÍNDICE CONEAT COMO MEDIDA DE PRODUCTIVIDAD YVALOR DE LA TIERRA

Bruno Lanfranco CrespoGonzalo Sapriza Fraga

Instituto Nacional de Investigación Agropecuaria

Integración de la Junta Directiva

Ing. Agr., MSc. Enzo Benech - Presidente

Ing. Agr., Dr. Mario García - Vicepresidente

Dr. Pablo Zerbino

Dr. Alvaro Bentancur

Ing. Agr., MSc. Rodolfo M. Irigoyen

Ing. Agr. Mario Costa

CONTENIDO

Página

1 INTRODUCCIÓN ....................................................................................... 1

2 MARCO TEÓRICO DE LA INVESTIGACIÓN......................................... 3

2.1 EL ÍNDICE DE PRODUCTIVIDAD CONEAT ................................... 3

2.1.1 Origen y base conceptual del índice de productividad ...... 3

2.1.2 Generación de la cartografía original y los grupos CONEAT ...................................................................... 4

2.1.3 Productividad a nivel predial y valor de la tierra ................. 7

2.1.4 La aplicación CONEAT en Internet ........................................ 8

2.1.5 Uso actual del índice CONEAT, ventajas y limitaciones .. 10

2.2 EL MERCADO DE INMUEBLES RURALES EN EL URUGUAY ... 10

2.3 EQUILIBRIO EN EL MERCADO DE TIERRAS EN EL MARCODE LOS MODELOS HEDÓNICOS .................................................. 12

3 MATERIALES Y MÉTODOS................................................................... 19

3.1 BASE DE DATOS UTILIZADA E INFORMACIÓN BÁSICAREGISTRADA .................................................................................. 19

3.1.1 Definición de la base de datos ............................................. 19

3.1.2 Descripción de las variables incluidas en el análisis ........ 19

3.2 ESTIMACIÓN DEL MODELO DE PRECIOS HEDÓNICOS .......... 26

4 RESULTADOS Y DISCUSIÓN ............................................................... 28

4.1 ESTADÍSTICAS BÁSICAS DEL MODELO .................................... 28

4.2 APLICACIÓN Y RESULTADOS DEL MODELO DEPRECIOS HEDÓNICOS .................................................................. 30

4.2.1 Configuración del modelo ..................................................... 30

4.2.2 Resultados de la estimación ................................................ 31

5 PRINCIPALES CONCLUSIONES .......................................................... 36

6 BIBLIOGRAFÍA ........................................................................................ 38

CUADRO 1. NÚMERO DE OPERACIONES, SUPERFICIE TRANSADAY VALOR ...................................................................................... 28

CUADRO 2. NÚMERO DE OPERACIONES, SUPERFICIE TRANSADAPOR DEPARTAMENTO .............................................................. 29

CUADRO 3. NÚMERO DE OPERACIONES, SUPERFICIE TRANSADA,CONEAT Y PRECIO PROMEDIO, SEGÚN APTITUDDE USO ......................................................................................... 30

CUADRO 4. RESULTADO DE LA ESTIMACIÓN DEL MODELO DEPRECIOS HEDÓNICOS .............................................................. 32

ÍNDICE DE CUADROS Página

ÍNDICE DE FIGURAS Página

FIGURA 1. MAPA DE LA CIDE CON DE ZONAS DE USO Y MANEJODE SUELOS DEL URUGUAY ........................................................ 5

FIGURA 2. CARTA DE RECONOCIMIENTO DE SUELOS DEL .....................URUGUAY, 1:1.000.000 (1976) ...................................................... 6

FIGURA 3. PADRONES, GRUPOS DE SUELOS CONEAT E ÍNDICEDE VALOR REAL ........................................................................... 8

FIGURA 4. ÍNDICES DE PRODUCTIVIDAD PROMEDIO DE LASÁREAS DE ENUMERACIÓN CENSAL ......................................... 9

FIGURA 5. PRECIO PROMEDIO POR HECTÁREA, SEGÚN RANGODE TAMAÑO DE PREDIO ............................................................ 15

FIGURA 6. DISTRIBUCIÓN DE LOS PREDIOS COMERCIALES SEGÚN APTITUD PRINCIPAL DE USO................................................... 17

FIGURA 7. EFECTO DEL ÍNDICE DE PRODUCTIVIDAD CONEATSOBRE EL PRECIO DE LA TIERRA .......................................... 18

FIGURA 8. REGIONES AGROPECUARIAS EN EL AÑO 1990 Y 2000.. .... 20

FIGURA 9. TIERRAS DE APTITUD PRINCIPALMENTE AGRÍCOLA ......... 21

FIGURA 10. TIERRAS DE APTITUD PRINCIPALMENTE AGRÍCOLA-GANADERA. ................................................................................. 22

FIGURA 11. TIERRAS DE APTITUD PRINCIPALMENTE PASTORILES ...... 23

FIGURA 12. TIERRAS DE APTITUD PRINCIPALMENTE ARROCERA ....... 23

FIGURA13. TIERRAS DE APTITUD PRINCIPALMENTE FORESTAL. ........ 24

FIGURA14. TIERRAS DE APTITUD LECHERA ............................................. 25

FIGURA 15. PRECIO PROMEDIO POR HECTÁREA, SEGÚN RANGODE TAMAÑO DE PREDIO ............................................................ 29

FIGURA 16. DISTRIBUCIÓN DE LOS PREDIOS COMERCIALES SEGÚNAPTITUD PRINCIPAL DE USO .................................................... 30

FIGURA 17. EFECTO DEL ÍNDICE DE PRODUCTIVIDAD CONEATSOBRE EL PRECIO DE LA TIERRA .......................................... 33

FIGURA 18. ELASTICIDAD PRECIO DEL ÍNDICE CONEAT ........................ 33

FIGURA 19. AJUSTE DEL PRECIO DE LA TIERRA POR EL ÍNDICECONEAT (BASE IC = 100) .......................................................... 34

FIGURA 20. EFECTO DE LA LOCALIZACIÓN SOBRE EL PRECIO DELA TIERRA .................................................................................... 35

Página

AGRADECIMIENTOS

Esta investigación no hubiera sido posible sin el valioso aporte de la Con-sultora SERAGRO, quien cedió gentilmente la base de datos utilizada en estetrabajo de investigación. En especial, los autores desean reconocer particu-larmente a los Ing. Agr. Nicolás Lussich y Juan Ponce de León. También de-sean expresar su agradecimiento por las críticas y sugerencias recibidas delos revisores anónimos, tanto de la Revista Agrociencia como del CongresoRegional de Economía Agraria, donde se expusieron los aspectosmetodológicos y los resultados más relevantes. Todo esto contribuyó a me-jorar la calidad de esta investigación. Los errores de cualquier índole que pue-dan subsistir en esta publicación son de exclusiva responsabilidad de los au-tores.

Finalmente, esta Serie Técnica está dedicada a la memoria del Dr. JaimeSapriza Corradi, padre de Gonzalo y amigo de la familia Lanfranco, quienfalleció inesperadamente en momentos en que ésta se hallaba estaba próxi-ma a su culminación.

El presente estudio sirvió de base para el trabajo de investigación monográficopresentado por Gonzalo Sapriza ante la Facultad de Ciencias Empresariales dela Universidad Católica del Uruguay «Dámaso Antonio Larrañaga», para la obten-ción del título de Licenciado en Economía. La monografía realizada estuvo bajo ladirección de Bruno Lanfranco, siendo defendida el 19 de diciembre de 2008. Losresultados más relevantes fueron presentados en el Segundo Congreso Regionalde Economía Agraria, llevado a cabo en Montevideo del 5 al 7 de noviembre de2008. También se publicaron los principales resultados como artículo científico enla Revista Agrociencia (Vol. XIV, núm. 2).

GLOSARIO DE SIGLASYABREVIATURASARU ARU ARU ARU ARU – Asociación Rural del Uruguay.

BCU BCU BCU BCU BCU – Banco Central del Uruguay.

CONEACONEACONEACONEACONEATTTTT – Programa Nacional de Estudio Agroeconómico de la Tierra.

CIDE CIDE CIDE CIDE CIDE – Comisión de Inversiones y Desarrollo Económico.

CPO CPO CPO CPO CPO – Condiciones de Primer Orden.

CPO CPO CPO CPO CPO – Condiciones de Segundo Orden.

CRSU CRSU CRSU CRSU CRSU –Carta de Reconocimiento de Suelos del Uruguay.

CHPCHPCHPCHPCHPAAAAA – Comisión Honoraria del Plan Agropecuario.

DGC –DGC –DGC –DGC –DGC – Dirección General de Catastro y Administración de Inmuebles Nacionales.

DGI –DGI –DGI –DGI –DGI – Dirección General Impositiva.

DGRNR –DGRNR –DGRNR –DGRNR –DGRNR – Dirección General de Recursos Naturales Renovables (actualmente

RENARE).

DIEA –DIEA –DIEA –DIEA –DIEA – Dirección de Investigaciones Económicas Agropecuarias.

DNC –DNC –DNC –DNC –DNC – Dirección Nacional de Catastro.

DNR –DNR –DNR –DNR –DNR – Dirección Nacional de Registros.

DSA –DSA –DSA –DSA –DSA – Dirección de Suelos y Aguas.

DSF –DSF –DSF –DSF –DSF – Dirección de Suelos y Fertilizantes (actualmente DSA).

FFFFFAO AO AO AO AO – Organización de las Naciones Unidas para la Agricultura y la Alimentación

(Food and Agriculture Organization).

FRU FRU FRU FRU FRU – Federación Rural del Uruguay.

IC IC IC IC IC – Índice CONEAT.

IMPROME IMPROME IMPROME IMPROME IMPROME – Impuesto a la Producción Mínima Exigible.

INIA INIA INIA INIA INIA – Instituto Nacional de Investigación Agropecuaria.

INAC INAC INAC INAC INAC – Instituto Nacional de Carnes. IIIII

NC NC NC NC NC – Instituto Nacional de Colonización.

MECMECMECMECMEC – Ministerio de Educación y Cultura.

MEFMEFMEFMEFMEF – Ministerio de Economía y Finanzas.

MGAMGAMGAMGAMGA – Ministerio de Ganadería y Agricultura (actualmente MGAP).

MGAPMGAPMGAPMGAPMGAP – Ministerio de Ganadería, Agricultura y Pesca.

MH MH MH MH MH – Ministerio Hacienda (actualmente MEF).

MTMTMTMTMTOPOPOPOPOP – – – – – Ministerio de Transporte y Obras Públicas.

OPP – OPP – OPP – OPP – OPP – Oficina de Planeamiento y Presupuesto.

OPYPOPYPOPYPOPYPOPYPAAAAA – – – – – Oficina de Programación y Política Agropecuaria.

PRENADER –PRENADER –PRENADER –PRENADER –PRENADER – Programa de Manejo de Recursos Naturales y Desarrollo del Riego.

SIGSIGSIGSIGSIG – Sistema de Información Geográfica.

SGMSGMSGMSGMSGM – Servicio Geográfico Militar.

EL ÍNDICE CONEAT COMO MEDIDA DEPRODUCTIVIDAD Y VALOR DE LA TIERRA

Resumen

El objetivo de la presente investigación es cuantificar el impacto del índice deproductividad CONEAT sobre los precios pagados por los inmuebles ruralesen el Uruguay. El índice CONEAT intenta expresar la relación entre la capaci-dad de producción de un predio, medida en términos de carne y lana, y lasunidades de suelo que lo componen. La ventaja de su uso radica en su fácilcomprensión por parte de los agentes. La principal crítica es que utiliza exclu-sivamente parámetros de producción ganadera que hacen cuestionable su usocuando se comparan inmuebles con otras aptitudes productivas. Sin embargo,aun se lo utiliza frecuentemente para tasar inmuebles rurales o comparar pro-ductividad entre inmuebles. Para estimar el valor monetario implícito que losagentes asignan al índice CONEAT, se utilizó un modelo de precios hedónicos.Se analizó información correspondiente a 1.407 transacciones efectuadas entrediciembre de 1993 y abril del 2005, abarcando una superficie de 2 millones dehectáreas. El análisis revela que el índice CONEAT mantiene una relación po-sitiva, no lineal, con el precio de la hectárea. Junto a la aptitud de uso, lalocalización y las condiciones de mercado, todas estas son características re-levantes en la formación de precios de los campos uruguayos.

Palabras clave: precios hedónicos, diferenciación de productos, productividad de la tierra.

Summary

The objective of this research is to determine the impact of the CONEATproductivity index over farmland prices in Uruguay. The CONEAT index attemptsto express the relationship between land productivity, measured in terms ofmeat and wool production, and the type of soil present in the land. The advantageof this index is that is easily understood by all agents operating in the agriculturalsector. The main critic is that it considers exclusively parameters from livestockproduction, which may be questioned when applied to the comparison of landfor other productive uses. In spite of this pitfall, the CONEAT index is widelyused to value farmlands in Uruguay, as well as compare productivity amongrural lands. In order to assess the implicit money values that land traders assignto CONEAT productivity index, a hedonic price model was estimated. This studyanalyzes 1,407 land transactions, representing almost 2 million hectares, carriedout between December 1993 and January 2005. The findings reveal that theCONEAT index has a nonlinear positive relationship with the price per hectare.Along with productive aptitude, farm location, and market conditions, these areall relevant characteristics for farmland price formation in Uruguay.

Keywords: hedonic prices, product differentiation, land productivity.

JEL: C21, Q24

CARIS-AGRIS: E11

INIA

1

EL ÍNDICE CONEAT COMO MEDIDA DE PRODUCTIVIDAD Y VALOR DE LA TIERRA

EL ÍNDICE CONEAT COMO MEDIDADE PRODUCTIVIDAD Y VALOR

DE LA TIERRA

1. INTRODUCCIÓN

Desde el punto de vista productivo, la tie-rra puede ser vista como un factor de pro-ducción heterogéneo, pasible de ser diferen-ciado por una serie de características querevelan su productividad y, como consecuen-cia, su valor de mercado. Esta serie o con-junto de características está compuesto, porun lado, por elementos o atributos que nopueden ser modificados por el dueño de latierra y, por otro, por atributos que puedenser modificados de acuerdo a las informa-ción del mercado (Palmquist, 1989).

A modo de ejemplo, el dueño no puedecambiar mayormente las principales carac-terísticas edáficas y topográficas del predio(profundidad y estructura del perfil, pendien-te, erosividad), así como las condicionesclimáticas (precipitaciones, temperatura,horas de luz). Otras características sí pue-den ser modificadas en cierto grado (drena-je, construcción de terrazas, cambios en lafertilidad y el pH, riego). Tampoco puedenmodificarse aspectos como la localizacióno la distancia a los centros poblados pero sípueden modificarse las construcciones yotras facilidades.

De todas estas maneras, la «calidad» deun inmueble rural (en términos de su uso pro-ductivo) puede ser definida a través de unconjunto de atributos o características quelo definen completamente y que afectan suprecio en el mercado.

Una buena parte de los trabajos, nacio-nales e internacionales, dedicados a estu-diar el comportamiento de los precios de latierra para uso agropecuario se ha realizadoen base a series de tiempo o combinacionesde éstas con datos transversales (no estric-tamente datos de panel). Únicamente a modode ejemplo, se pueden citar algunos de lostrabajos más relevantes que se han ocupa-do del tema: a nivel internacional los pre-

sentados por Pope y otros (1979); Barry(1980), Feldstein (1980), Alston (1986), Burt(1986), Chavas y Shumway (1982), Tegeney Kuchler (1991; 1993), Just y Miranowski(1993), Weliwita y Govindasamy (1997),Tsoodle, Golden y Featherstone (2003), Obi(2006); a nivel nacional, se destacan los tra-bajos de Lorenzo y Lanzilotta (2002a; 2002b),VALORA (2004) y Sáder (2006).

A su vez, la Dirección de EstadísticasAgropecuarias, DIEA, comenzó a publicaranualmente una serie de trabajos especia-les sobre ventas y arrendamientos en tierrasde uso agropecuario (DIEA, 2007; 2008;2009; 2010). Paralelamente, el Instituto Na-cional de Colonización, INC, ha venido pu-blicando algunos trabajos sobre el compor-tamiento del precio de la tierra, a partir de2005 (INC, 2006a; 2006b; 2007; 2010).

El tipo de análisis mayormente realizadopor el primer grupo de estudios es particu-larmente útil para identificar tendencias delargo plazo o el efecto de shocks externossobre los precios. Los estudios de DIEA ydel INC proporcionan estadísticas descripti-vas relevantes así como una primera aproxi-mación acerca del comportamiento del mer-cado de tierras. Sin embargo, cuando lo quese pretende es cuantificar los efectos quelas características o atributos del propio bienen cuestión, tienen en la formación de suprecio, de acuerdo al valor que los propiosagentes que operan en el mercado le asig-nan a dichas características, existen otrosinstrumentos de análisis más adecuados.Una herramienta particularmente capaz depermitir este tipo de análisis es el modelohedónico de precios.

La estimación de un modelo de precioshedónicos permite cuantificar la contribuciónde cada una de las características relevan-tes, en términos de precios implícitos, a laformación del precio de un inmueble rural.Este tipo de modelos permite descomponer

2

INIAEL ÍNDICE CONEAT COMO MEDIDA DE PRODUCTIVIDAD Y VALOR DE LA TIERRA

el precio, recibido por un determinado predio(compuesto por uno o más padrones) en elmercado, en la sumatoria de los valoresmonetarios de la contribución marginal decada característica.

El uso de modelos hedónicos ha sidomuy extendido en diversas áreas. En la lite-ratura puede hallarse una vastedad de ejem-plos de su aplicación en estudios acerca delos efectos de variables ambientales y so-ciales en el mercado inmobiliario y en la va-loración de tierras en zonas urbanas y su-burbanas, rurales y forestales (Brannman,Buongiorno y Fight, 1981; Palmquist, 1989;Palmquist y Anderson, 1989; Hardie yNickerson, 2001; Herr iges, Secchi yBabcock, 2003; Munroe, Parker y Campbell,2004; Bhattarai, Pandit y Hite, 2004; King ySchreiner, 2004; McLaren, Henning yVendeveer, 2004; Stobbe, Cotteleer y vanKooten, 2007). En Uruguay, los modeloshedónicos han sido utilizados recientemen-te para el análisis de los factores determi-nantes de las variaciones de precios en losmercados de haciendas y reproductores(Bedat y Ois, 2005; Lanfranco, Ois y Bedat,2006; Lanfranco y Oleggini, 2007).

El objetivo de la investigación presenta-da en esta Serie Técnica fue cuantificar elimpacto de las características más relevan-tes en la determinación del precio pagadoen el mercado por los inmuebles rurales enel Uruguay. La hipótesis de trabajo conside-ró que las variables productividad, tamaño,aptitud de uso y localización, constituyenatributos fundamentales a la hora de expli-car los diferenciales de precio verificados enel mercado de tierras de uso agropecuario.Los fundamentos para la elección de dichasvariables se discuten más adelante. En par-ticular, el estudio puso énfasis en la deter-minación del efecto de la productividad dela t ierra, medida a través del índiceCONEAT.

Habitualmente se considera que el índi-ce de productividad CONEAT mantiene unarelación lineal con el valor de la hectárea;normalmente, cuando se comparan predioscon diferente índice, los precios se transfor-man a un índice base (CONEAT 100) me-diante una simple regla de tres. Sin embar-go, algunos trabajos han constatado que el

promedio base 100 de los predios con índi-ces más bajos (menores a 100) resultan amenudo superiores a los promedios de pre-dios con índices más altos (mayores a 100),ajustados por el mismo procedimiento.

Como respuesta a este fenómeno, se haesgrimido que el índice CONEAT tiene unsesgo ganadero (por construcción) que nole permite capturar cabalmente la producti-vidad de la tierra, cuando ésta tiene otrasaptitudes de uso muy diferentes a la gana-dería, como ser la producción arrocera o fo-restal. En otras palabras, las diferentes ap-titudes u orientaciones productivas no ga-naderas de la tierra desvirtúan el índiceCONEAT. Esta fue una de las hipótesis con-sideradas en este estudio. Una segunda hi-pótesis considerada es que otros factores,como el tamaño del predio y su localización,también afectan la medida del índice.

Como objetivo adicional de este estudio,se planteó demostrar las ventajas de losmodelos de precios hedónicos como un ins-trumento adecuado para estimar empírica-mente la contribución que las distintas ca-racterísticas y atributos del factor tierra enla determinación de su valor de mercado.Como se señaló anteriormente, si bien el usode estos modelos está muy extendido a ni-vel internacional, particularmente para ladeterminación tanto del valor productivocomo inmobiliario de la tierra, en el Uruguaynunca se han publicado estudios de estet ipo, al menos para t ierras de usoagropecuario.

La Serie Técnica consta de cinco capítu-los, organizados de tal forma que no tienenpor que ser leídos en secuencia ni en su to-talidad. El lector interesado simplemente enlos resultados e implicancias prácticas deltrabajo pero no en los aspectos metodológi-cos puede saltear parte o la totalidad delmarco teórico y la metodología estadística,e incluso del capítulo de resultados y discu-sión, para ir directamente a las conclusio-nes.

Aquellos interesados en profundizar unpoco más acerca del índice CONEAT podránhacerlo en esta publicación. De la mismaforma, aquellos lectores interesados en losfundamentos económicos que subyacen enel comportamiento de este tipo de merca-

INIA

3


dos y que justifican el análisis propuesto, oen la revisión metodológica de los métodosy cálculos estadísticos utilizados, encontra-rán toda la información necesaria documen-tada en los capítulos correspondientes.

El capítulo de introducción contiene losobjetivos de la publicación y sus aspectosorganizativos, tal como aquí se presentan.El capítulo 2 presenta el marco teórico querespalda el análisis empírico. A partir de laliteratura disponible se realiza una introduc-ción del índice CONEAT, en la primera sec-ción de ese capítulo. Allí se hace referenciaa su origen e idea conceptual como indica-dor de la productividad de la tierra. Al finalde esta sección se enumeran los esfuerzostécnicos realizados por las instituciones yorganismos que tuvieron a su cargo los es-tudios que le dieron origen.

En la segunda sección del capítulo 2 sediscuten los principales aportes encontradosen la bibliografía nacional acerca del com-portamiento de los precios de los inmueblesrurales en el Uruguay, en los últimos 40años. A la luz de los estudios relevados, sedestacan los principales factores que inci-den en dicho comportamiento en el largo pla-zo (entre años), así como algunas conside-raciones sobre la influencia del índiceCONEAT sobre los precios y las críticas queeste índice soporta sobre su validez comoindicador de la productividad.

En la tercera y última sección de estecapítulo se presentan con cierto nivel dedetalle los fundamentos propuestos por lateoría económica que explican funcionamien-to y la formación de precios en los merca-dos de productos diferenciados. En particu-lar, se discute el concepto y la existencia deequilibrio de corto plazo en el mercado detierras, a través de los modelos de precioshedónicos.

En el capítulo 3, correspondiente a ma-teriales y métodos, se describe pormenori-zadamente la forma de recolección de losdatos, la identificación de las variables con-

sideradas y su forma de inclusión, la cons-trucción del modelo empírico y los métodoseconométricos utilizados.

Los resultados del análisis se discutenen detalle en el capítulo 4, comenzando conla presentación de algunas estadísticas des-criptivas básicas que permiten tipificar me-jor los datos, en la primera sección. En lasegunda, se presentan los resultados de laestimación del modelo hedónico y se inter-pretan en términos de los efectos de cadavariable en la construcción del precio finalde transacción en el mercado.

Finalmente, en el capítulo 5 se presen-tan las principales conclusiones del estudio,así como sus implicancias prácticas.

2. MARCO TEÓRICO DE LAINVESTIGACIÓN

2.1 El índice de productividadCONEAT

2.1.1 Origen y base conceptual delíndice de productividad

La Comisión Nacional de EstudioAgroeconómico de la Tierra (CONEAT) fuecreada en la década del 60 con el objetivode fijar, mediante un índice, la capacidadproductiva media del país y la de cada in-mueble rural1. Su creación obedeció a la ideaque tomó cuerpo en esa época, deimplementar un nuevo régimen impositivo detipo finalista, que gravara la productividadintrínseca de la tierra y no la producción. Elconcepto involucrado era que las mejorestierras deben producir más y que su contri-bución en materia tributaria, por tanto, debeser también mayor.

En su reseña del proceso metodológicoadoptado para la determinación de la produc-tividad a nivel predial, Capurro (1977) situóel origen histórico de esa idea en los estu-dios correspondientes al capítulo agropecua-

1Decreto 368/968, del 7 de junio de 1968. Artículos 65 al 67 de la Ley Nº 13.695, del 24 de octubre de 1968. LaComisión estaba integrada por delegados del sector público (Ministerio de Ganadería y Agricultura, Ministeriode Hacienda, Oficina de Planeamiento y Presupuesto, Instituto Nacional de Colonización) y de entidadesgremiales rurales. Participaban, además, funcionarios técnicos de la Dirección de Suelos y Fertilizantes, laOficina de Programación y Política Agropecuaria, la Dirección General de Catastro y Administración de InmueblesNacionales y el Servicio Geográfico Militar.

4


rio de la Comisión de Inversiones y Desarro-llo Económico, o CIDE agropecuario. Allí serefiere a la necesidad de modificar el siste-ma impositivo al agro, proponiéndose crearel Impuesto a la Producción Mínima Exigi-ble (IMPROME), en sustitución de las de-tracciones vigentes en este entonces.

Capurro (1977) explicó que «además delos objetivos en materia fiscal, señaladosexpresamente por la Ley en cuanto a deter-minación y clasificación de la capacidad pro-ductiva de la tierra, el trabajo llevado a caboproporciona una documentación de importan-cia significativa para otros usos, como ser:preparación de información básica para usouniversal en proyectos y programas de de-sarrollo, orientación a los organismos públi-cos vinculados al crédito rural, programasagrícolas, redistribución de la tierra, obrasde infraestructura, etc.»

Al resaltar la relevancia e impacto quetuvo la creación de la Comisión y de los tra-bajos desarrollados en los años subsiguien-tes, Capurro (1977) advirtió que «en 1968 elpaís no contaba con un organismo capaz desuministrar un documento en el cual se ex-presara la relación entre producción en car-ne y lana con los distintos suelos y menosaún, referido a nivel predial.» El autor desta-có que los únicos elementos con los que secontaba por entonces incluían recubrimien-tos fotográficos de todo el país realizadosentre 1966 y 1967, a escala 1:20.000 y1:40.000, un catastro rural iniciado en 1912que el autor definió como de «lógicas limita-ciones», estudios de suelos muy generales anivel nacional y estadísticas de producción.

El problema planteado, según Capurro(1977), fue estimar la productividad de cadapadrón en términos de lana, carne bovina yovina en pie, cuidando que la misma guardararelación con las unidades de suelo presentesen el mismo. Para su concreción real y prácti-ca, fue indispensable llevar adelante los estu-dios de productividad de los suelos a nivel depredio, que básicamente consistieron en:

a) Determinar y clasificar la capacidadproductiva física de la tierra, en términos decarne y lana, de acuerdo a lo señalado porla ley.

b) Determinar la capacidad productivafísica de cada padrón.

c) Desarrollar un sistema a fin de calcu-lar y preparar la recaudación de aportes.

d) Obtener la mayor documentación paraser utilizada por distintos organismos en laelaboración de planes de desarrollo.

Capurro (1977) destacó que el objetivo selogró gracias al esfuerzo colaborativo de 9organismos e instituciones que involucrarona más de 400 personas. Junto a la reciente-mente creada CONEAT, participaron en pri-mera fila la Dirección de Suelos y Fertilizan-tes del Ministerio de Ganadería y Agricultu-ra (DSF-MGA)2, el Servicio Geográfico Mili-tar (SGM), la Dirección General del CatastroNacional (DGCN). El autor hizo mención ex-presa a la participación la Dirección GeneralImpositiva (DGI), la Comisión Honoraria delPlan Agropecuario (CHPA), la AsociaciónRural del Uruguay (ARU), la Federación Ru-ral (FRU) y las Agremiaciones Rurales delInterior.

2.1.2 Generación de la cartografíaoriginal y los grupos CONEAT

Tal como surge de la documentación pu-blicada en CONEAT Digital (2010), la Comi-sión tuvo a su cargo la programación y coor-dinación de los estudios para la generaciónde la cartografía original. La DSF realizó lacartografía de grupos de suelos del territorionacional, la cual se concretó mediante lassiguientes etapas:

• Fotointerpretación de las fotografías aé-reas a escala 1:40.000, delimitándoseáreas de paisaje homogéneos en base ala observación del relieve y la topogra-fía, el padrón de drenaje superficial, lostonos fotográficos, la vegetación natu-ral y el uso de la tierra, la existencia deafloramientos rocosos y su naturaleza.Las áreas así delimitadas correspondena asociaciones de suelo definidas.

• Verificación en el campo de los límitesde las unidades de fotointerpretación ydeterminación de los suelos que integrancada asociación, descripción de los perfi-les correspondientes y extracción de

2Actual División de Suelos y Aguas del Ministerio de Ganadería, Agricultura y Pesca (DSA-MGAP).

INIA

5


muestras representativas para su carac-terización física y química de laboratorio.

• Transferencia de las l íneas defotointerpretación desde las fotografías1:40.000 a fotoplanos controlados a es-cala 1:50.000.

• Síntesis de las 365 unidadescartográficas definitivas; originalmentese llegaron a conformar 185 asociacio-nes de suelos que constituyeron los gru-pos CONEAT propiamente dichos.

Cabe señalar que la base cartográficaestuvo basada en el croquis de las Zonasde Uso y Manejo de Suelos del Uruguay rea-lizado en 1962 (CIDE, 1963). Las 13 zonasdelimitadas en el país, cuyo resumen des-criptivo puede consultarse en la página dela Dirección General de Recursos NaturalesRenovables (RENARE, 2011), se aprecian enla Figura 1.

Originalmente, se definieron 185 gruposde suelos para las 13 zonas delimitadas.

Posteriormente, se consideró la necesi-dad de hacer ajustes en algunos grupos delas zonas 1 y 2, a fin de considerar la situa-

ción de áreas de suelos superficiales en lasreferidas zonas3.

Para su nomenclatura, se partió de núme-ros correlativos identificando las zonas de 1 a13, seguidos de un punto y una cifra que iden-tifica el grupo (por ejemplo, 6.5, 8.7, 10.16).

También se agregaron algunas subdivisio-nes, anteponiendo una letra (por ejemplo B3.1,D10.3, G03.10, S09.20). Finalmente, existenalgunas subdivisiones menores (6.1/1, 6.1/2,6.1/3) y, en algunos casos se agrega una letraminúscula que indica diferencias entre grupospor jocosidad y proporción de suelos superfi-ciales en el grupo o por grado de erosión ac-tual (1.11a, 1.11b).

A su vez, los grupos guardan relación conlas unidades de suelos de la carta de reco-nocimiento de suelos del Uruguay (CRSU) aescala 1:1.000.000 de la DSF, las que apa-recen representadas en la Figura 2.

El SGM tuvo a su cargo la elaboracióndel material fotocartográfico en el que sedelinearon los grupos CONEAT y el catastrorural. Dicho material estuvo constituido por301 fotoplanos controlados a escala 1:50.000,

3 Los valores de productividad definitivos para los 185 grupos originales fueron aprobados mediante el Decreto88/974, del 31 de enero de 1974. Posteriormente, el decreto 437/975, de fecha 29 de mayo de 1975, subdividiólos grupos 1.10, 1.11 y 2.11 en virtud de los criterios referidos, en dos grupos cada uno (1.10a y 1.1b; 1.11ay 1.11b; 2.11a y 2.11b), quedando el número total de grupos CONEAT en los 188 que figuran actualmente.

Figura 1.Figura 1.Figura 1.Figura 1.Figura 1. Mapa de la CIDE con de zonas de uso y manejo de suelos delUruguay .Fuente: DGRNR en base a CIDE. Extraído del Sistema de Información Geográfica.RENARE (2011).

6


obtenidos a partir de las fotografías aéreas aescala 1:40.000, y 1.204 fotoplanos a escala1:20.000 en película estable tramada, de for-mato 0,7 1 metro, obtenidos por ampliaciónde los fotoplanos 1:50.000.

La DGCN, por su parte, realizó una tareacartográfica que consistió en las siguientesetapas:

Identificación sobre fotografías aéreasa escala 1:20.000 de los predios rura-les, volcando en las primeras la infor-mación preexistente del parcelario ru-ral.

Transferencia de la información anteriordesde las fotografías 1:20.000 a losfotopositivos tramados de igual escalapreparados por el SGM.Confección de la nueva lámina definiti-va en material transparente indeforma-ble calcando la información volcada alfotopositivo tramado y agregando la ro-tulación e información marginal nece-saria para su correcta y rápida locali-zación e identificación.

La operación cartográfica final consistióen superponer la plancha catastral con lacartografía de los grupos de suelos CONEAT(ambos documentos a escala 1:20.000) y ob-

tener luego de un proceso fotográfico reali-zado en la DSF, una lámina definitiva enmaterial estable, que comprende las dos in-formaciones, es decir, la infraestructura, ladivisión de la tierra (padrones) y la cartogra-fía de suelos con los grupos CONEAT(CONEAT Digital, 2010).

Cabe señalar que los grupos CONEAT noson estrictamente unidades cartográficasbásicas de suelos, sino que constituyenáreas homogéneas, a la escala de trabajoutilizada, definidas por su capacidad produc-tiva en términos de lana y carne bovina yovina en pie (CONEAT, 1979). Esta capaci-dad se expresa por un índice relativo a lacapacidad productiva media del país, a laque corresponde el índice 100. Desde el pun-to de vista edafológico, CONEAT considerala productividad como la capacidad inicial desuelo para producir un cierto rendimiento porhectárea y por año. Teóricamente, se puedeexpresar como el «porcentaje del rendimientoóptimo que se obtiene en el suelo que ofre-ce las condiciones más favorables, bajo unatecnología definida» (CONEAT, 1979).

La aplicación de esta definición implicaun concepto potencial que abarca a todoslos rubros agropecuarios. A la fecha de pu-blicación de la segunda edición de la des-

Figura 2. Figura 2. Figura 2. Figura 2. Figura 2. Carta de reconocimiento de suelos del Uruguay, 1:1.000.000 (1976).Fuente: Adaptado de RENARE-MGAP (2010).

INIA

7


cripción de los grupos CONEAT, la estima-ción de productividad de acuerdo con dichadefinición no era posible con la informacióndisponible entonces (CONEAT, 1979). A suvez, CONEAT (1979) reconoció que la pri-mera edición publicada en 1973 era «pocoprecisa y aun vaga en la descripción de va-rias unidades de suelo».

2.1.3 Productividad a nivel predial yvalor de la tierra

Capurro (1977) puntualizó que para reali-zar los estudios iniciales de productividadde los suelos a nivel de predio se resolvió,una vez analizadas las fuentes de informa-ción estadística disponible, tomar como baselos datos estadísticos proporcionados por elCenso Agropecuario del año 1970, en lo re-ferente a las cifras de existencias de ganadoy producción de lana; con referencia a la pro-ducción de carne se tomaron las cifras publi-cadas por el Banco Central del Uruguay (BCU).

El sector censal fue la unidad más pe-queña a que se refirieron los datos. Es desuperficie variable y abarca varios tipos detierras. Por su origen, entonces, los datosde lana y dotaciones de ganado vacuno ylanar ya se encontraban a este nivel. En elcaso de los datos de producción de carne,disponibles a nivel global del país, fue ne-cesario relacionarlas con el stock, en formaindirecta, a los efectos de estimar la pro-ducción de carne a nivel de sector censal(Capurro, 1977).

La opción por las fuentes consideradasobedeció a que las diferencias entre éstasno eran lo suficientemente importantes a losfines buscados, como para afectar los re-sultados finales, no originándose tampocodistorsiones por el uso de datos de fuentesdiferentes. Sin embargo, Capurro (1977) re-conoció que las dificultades en los estudiosse debieron principalmente a las limitacio-nes causadas por datos estadísticos, lo cual«obligó a idear y adoptar sistemas y crite-

rios técnico-prácticos ajustados a la reali-dad y posibilidades existentes».

El método empleado implicó el cálculo dela producción vacuna a nivel censal en rela-ción a la relación novillo/vaca de cría y de laproducción ovina mediante la relación vacu-nos/ovinos. En el caso de la producción delana, ya disponible a nivel de sector censal,debió buscarse una equivalencia con la pro-ducción de carne, a los efectos de poderexpresar la productividad en una sola cifra,traduciendo todo a un solo valor. Como base,dicha expresión se consideró en términos decarne vacuna, dando origen a lo que se co-noce como carne equivalente.4 Dada la pocasignificación de la carne ovina se asumió suequivalencia con la carne vacuna (1 kg decarne vacuna = 1 kg de carne ovina). La pro-ducción de lana se transformó mediante uncoeficiente de conversión (1 kg de lana =2,4763 de carne vacuna). Sumadas las tresproducciones así calculadas utilizando losfactores de conversión definidos, se estimóla productividad de cada sector censal delpaís.

A partir de ello y teniendo en cuenta quecada sector censal se componía de variasunidades de suelos, presentes en distintasproporciones, las cifras de productividad anivel de sector censal fueron llevadas a ni-vel de las unidades de suelos más importan-tes. Este proceso debió ser complementadopor un procedimiento subjetivo a fin de adjudi-car valores a la totalidad de las unidades.

La Comisión entendió que, para los finesperseguidos, lo importante era poder expre-sar los valores de productividad en términosrelativos. A la producción media del país (re-ferida a datos de 1970) se la asignó empíri-camente el valor 100, que representa el ín-dice de productividad media, correspondien-te al promedio de los campos (Capurro,1977). La adopción de un sistema de índi-ces de productividad permitía determinar unarelación en la producción de los suelos, la

4El concepto de carne equivalente ha sido ampliamente criticado. El factor de conversión de 2,48 para lalana fue calculado a partir de los datos del Censo de 1970 y ha permanecido invariable desde entonces.Las estimaciones realizadas por Oficialdegui (1985), citado por Durán (2008) tanto para datos nacionalescomo para predios individuales sugieren que debería revisarse no solo el valor del índice sino elconcepto mismo de carne equivalente.

8


cual sería más estable que la producciónmedida en términos absolutos.

Los valores del índice CONEAT varían en-tre 0 (grupos 3.10, 3.11 y 07.2, con una super-ficie de 3.496 ha, 6.250 ha y 20.579 ha, res-pectivamente) y 236 (grupo 10.5, con 109.618ha). Originalmente se definieron 185 gruposde suelos, cuyos valores definitivos fueronaprobados mediante el Decreto 88/974, del31 de enero de 1974. Posteriormente, la ne-cesidad de hacer ajustes en algunos gruposde las zonas 1 y 2 elevó dicho número a los188 con que se cuenta en la actualidad.

A partir de los valores de productividadde cada unidad de suelo, la productividad anivel de padrón pudo ser estimada medianteel promedio de los índices de las unidadesde suelos presentes en el mismo, pondera-do de acuerdo a su proporción. Mediante unprocedimiento análogo, el índice a nivel depredio se calcula a partir de los valores delos padrones que lo componen, pudiendorepetirse a nivel de otras unidades adminis-trativas (sección policial, departamento,etc.), Por construcción, el promedio ponde-rado a nivel nacional resulta en un valor deCONEAT 100.

De acuerdo a los estudios de CONEATen ese entonces, la productividad de lana ycarne en campo natural de un predio podía

verse afectada en hasta un 10% (Capurro,1977). A los efectos de establecer una rela-ción entre el índice de productividad (valorCONEAT) y el valor real del predio, se con-vino en fijar factores modificativos (extrín-secos) del índice de productividad CONEATde acuerdo a la influencia de centros pobla-dos y ubicación de frentista a las carrete-ras, categorizadas según su importancia.Como resultado, aparecen los índices devalor real para cada padrón, los que multipli-cados por el valor fijado para la hectáreamedia del país se obtiene el valor de la hec-tárea del padrón.

Todo esto se visualiza en el ejemplo pre-sentado en la Figura 3. De acuerdo a la pro-ductividad de los suelos presentes (gruposCONEAT) y a su presencia relativa, el índi-ce del padrón sería estimado en 91. Corregi-do por los factores extrínsecos, el índice devalor real del mismo fue establecido en 88.

La Figura 4 permite visualizar la distri-bución territorial de la productividad medidaa través del CONEAT. Dicha distribución sepresenta en términos de rangos de valorespromedio del índice por área de enumera-ción censal. De esta forma es posible apre-ciar su relación con respecto al mapa de usoy manejo de suelos de la CIDE (1963).

Figura 3. Figura 3. Figura 3. Figura 3. Figura 3. Padrones, grupos de suelos CONEAT e índice de valor real.

INIA

9


2.1.4 La aplicación CONEAT enInternet

Durante muchos años, la informacióngenerada estuvo disponible para el públicointeresado, en las oficinas de CONEAT. Asolicitud de parte interesada, CONEAT pro-porcionaba un documento, a nivel de padrón,conteniendo los datos de identificación(número, departamento, sección judicial, lá-mina, coordenada) y productividad del mis-mo (superficie total, unidades de suelo, su-perficie y productividad de cada una. Índicede productividad media del padrón, correc-ción por factores extrínsecos e índice devalor real).

En años recientes se desarrolló una apli-cación a través de Internet que permite laconsulta en línea de la información deCONEAT a nivel de padrones. Esta aplica-ción se implementó en el marco del Proyec-to de Manejo de los Recursos Naturales yDesarrollo del Riego PRENADER), ejecuta-do entre 1995 y 2001. La misma seimplementó en forma conjunta con la oficina

Sistema de Información Geográfica de laRENARE.

El sistema de consulta CONEAT Digitalutiliza, básicamente, dos capas de informa-ción geográfica: los grupos de sueloCONEAT y el catastro rural. Los primerossurgen a partir de la cartografía CONEATactualizada y a escala gráfica 1:20.000. Losdatos de catastro provienen de la cartogra-fía rural 1:20.000 de la Dirección Nacionalde Catastro (DNC) del Ministerio de Econo-mía y Finanzas (MEF) y su compatibilizacióncon el parcelario rural de la cartografíaCONEAT 1:20.000.

Los diversos procesos de digitalizaciónde la información cartográfica dan origen auna base de datos geográfica, que junto aprocedimientos de programación permiten lageneración del croquis digital y el cálculogeográfico del índice de productividad a ni-vel de cada padrón. Este último involucrauna superposición topológica de las dos ca-pas georreferenciadas y un cálculo matemá-tico preciso, sustituye al procedimiento grá-

Figura 4.Figura 4.Figura 4.Figura 4.Figura 4. Índices de Productividad promedio de las áreas de enumeración censal.Fuente: DGRNR (2003). Extraído del Sistema de Información Geográfica de la RENARE (2011).

10


fico tradicional de cálculo manual con lámi-na de puntos (CONEAT, 2010).

La información obtenida a través de estemedio es análoga a la proporcionada por elsistema anterior. El índice CONEAT (o índi-ce de productividad final) del padrón se ob-tiene a partir del índice mencionado y un fac-tor extrínseco asociado a los padrones y lasláminas CONEAT (que se corresponden alos fotoplanos 1:20.000). Este factor varíaen función de la ubicación del padrón (la pro-duct iv idad de un campo suele estarinfluenciado por su localización al determi-nar diferentes costos de explotación). Ade-más de esta información, se presenta el ín-dice de valor real del padrón, para lo cual seafecta al índice CONEAT del padrón con laproximidad de éste a los centros poblados ysu ubicación con respecto a las rutas, ha-biendo casos más específicos de afectacio-nes especiales.

Por su parte, la superficie catastral delpadrón descrito en la consulta es la informa-ción de mensura suministrada por Catastroy no el área calculada a través del sistemade información geográfica (SIG). Las refe-rencias de ubicación en la consulta surgena partir de la cartografía 1:50.000 del SGM:caminos, cursos de aguas, espejos, centrospoblados, cerros y límites departamentales.La consulta ofrece también otras posibilida-des, como ser el relieve (Hillshade5), el cualse genera a partir de la elaboración previade un modelo digital de terreno con una re-solución espacial de 30 metros y que com-prende a todo el país (CONEAT, 2010).

Finalmente, cabe mencionar que el SGMtambién ofrece desde esa época una seriede productos, que incluyen cartografía a di-versas escalas y fotos aéreas, entre otros.Tradicionalmente ofrecidos en formato papel,muchos de estos productos se ofrecen actual-mente en forma digitalizada, tanto raster (JPG,TIFF y GeoTiff) como vectorial (SGM, 2011).

2.1.5 Uso actual del índice CONEAT,ventajas y limitaciones

El índice CONEAT intenta expresar larelación entre la capacidad de producción de

un predio, medida en términos de carne ylana, con las unidades de suelo que lo com-ponen (Capurro, 1977; CONEAT, 1979). Sur-gido inicialmente con fines impositivos, lamagnitud y relevancia de la información re-cabada a partir de los estudios de producti-vidad lo convirtieron en un instrumento parala planificación agropecuaria a nivel nacio-nal, así como una referencia ineludible paraestimar la calidad de un predio y compararsu valor frente a otros de diferente capaci-dad productiva.

La ventaja de su uso radica en su fácilcomprensión, por parte de los diferentesusuarios. Tal como explicó Durán (2008), elfundamento impositivo fue perdiendo granparte de su vigencia al modificarse las polí-ticas tributarias en el país. Sin embargo,aclaró que los grupos CONEAT mantienensu vigencia, habiendo sido asimilados porlos usuarios, con diversos propósitos, lo queles otorgaría validez a más de 30 años decreados.

La principal crítica que se le hace es queutiliza exclusivamente parámetros de pro-ducción ganadera que hacen cuestionable suuso cuando se comparan inmuebles conotras aptitudes productivas (VALORA, 2004).Durán (2008) destacó que la productividadde carne bovina y ovina en pie y lana fueestimada para campo natural no mejorado,reconociendo que se trató de una definiciónpolítica y técnica a la vez. Recalcó que, porentonces, no había condiciones para elabo-rar índices más complejos que incluyeranotros rubros, como los agrícolas.

Sin embargo, aun en la actualidad elíndice CONEAT es utilizado frecuentemen-te para comparar el valor entre inmuebles,tanto a nivel público como privado, asícomo para estimar el valor monetario quelos agentes le asignan en relación al pre-cio pagado por la hectárea de tierra de usoagropecuar io . Según Durán (2008) ,CONEAT verificó una alta correlación en-tre los índices de productividad y el valorvenal de la tierra, demostrando su validezcomo estimadores de la aptitud producti-va para los rubros considerados.

5Basado en la iluminación o no de áreas según la elevación del terreno y la posición de la fuente de luz.

INIA

11


2.2 El mercado de inmueblesrurales en el Uruguay

Lorenzo y Lanzilotta (2002a; 2002b) es-tudiaron el comportamiento del precio de latierra en Uruguay durante el período com-prendido entre 1970 y 2001 a partir de datosde transacciones de inmuebles rurales demás de 1.000 hectáreas, registradas por elInstituto Nacional de Colonización (INC), parasus fines6. A partir del análisis de series deprecios para tierras con diferente capacidadproductiva (CONEAT bajo, medio y alto),estos autores comprobaron que dichas se-ries presentaban un comportamiento similar,con algunas diferencias apreciables en los ni-veles de variabilidad de los precios. Encontra-ron, además, que el componente de largo pla-zo del precio de la tierra estaba dominado poruna tendencia que mostraba una suave evolu-ción a lo largo del tiempo. Esta tendencia,además, era independiente de la «calidad», esdecir, los distintos tipos de tierra se valoriza-ban de manera similar, en el largo plazo.

Al tratar de identificar los determinantesdel precio de la tierra, Lorenzo y Lanzilotta(2002a; 2002b) señalaron que, en primer lu-gar, la tierra en Uruguay se utiliza de mane-ra muy intensa en la producción agropecuariay, por tanto, el precio debería estar estre-chamente relacionado con el desempeño delsector agropecuario. Por otro lado, el preciode la tierra debería verse fuertementeinfluenciado por variables económicas comoel tipo de cambio real. Dichos analistas re-portaron que la elasticidad de largo plazo delprecio de la tierra respecto al valor de la pro-ducción fue apenas superior a uno, en tantoque la elasticidad respecto al tipo de cam-bio real fue superior a 3.

Posteriormente, Sáder (2006) reafirmó lashipótesis sugeridas por los autores previa-mente citados, en cuanto a que las fluctua-ciones en el precio de la tierra se relaciona-ban positivamente con la evolución de laactividad agropecuaria y la persistencia deinflación en dólares de la economía urugua-ya. En este trabajo se consideró la evolu-ción del precio promedio de la hectárea (noforestada) entre 1969 y 2005.

En otro estudio, llevado a cabo en elmarco de un convenio de cooperación entreel INC y la firma VALORA Consultoría &Valuaciones, se analizó la evolución del pre-cio de la tierra en Uruguay entre los años1997 y 2003. También, en este caso, la in-formación refirió a compraventas de camposcon superficies mayores a 1.000 hectáreas(VALORA, 2004). Al clasificar los predios deacuerdo a su orientación productiva (agríco-la-ganadero, ganadero-arrocero, ganadero deciclo completo, ganadero criador y forestal),se observó que desde el año 1997 hasta el2000 el comportamiento de los precios eramuy similar para las diferentes orientacio-nes, evolucionando en forma dispar, sobretodo en lo que refiere a la variabilidad, a par-tir del año 2002. Los autores referidos seña-laron que podría estar ocurriendo una espe-cialización progresiva de las actividades pro-ductivas, de tal manera que la evolución delos distintos tipos de campo dependiera dela coyuntura económica particular de cadasub-sector.

A los efectos de comparar los precios depredios con diferente índice CONEAT (IC) ysus evoluciones, el estudio diferenció trescategorías de IC: bajo (IC < 80), medio(80 ≤ IC < 150) y alto (IC≥150). Esto permi-tió apreciar algunos comportamientos dife-renciales entre las diferentes categorías. Seconstató, asimismo, que al expresar los pre-cios en base 100, los campos con índice deproductividad más bajo se ubicaban por en-cima de los campos con índice alto.

Según los autores, los precios referidosa índice CONEAT bajo, que en los hechosserían los campos que menos se pagarían,reflejan otros factores que no se refierenexclusivamente a la productividad del cam-po (VALORA, 2004). En otras palabras, ex-presadas por los mismos autores, no se es-tablecería una correlación directa entre pro-ductividad medida a través del índiceCONEAT y precio, pues de ser así los trestramos de CONEAT deberían exhibir un com-portamiento similar. Los campos con bajonivel de productividad, concluyeron, no en-cuentran un reflejo claro en el índiceCONEAT.

6Artículo 35 de la Ley Nº 11.029, del 12 de enero de 1948, que crea el Instituto Nacional de Colonización.

12


Finalmente, al comparar la ubicación geo-gráfica de los predios, los departamentos deSoriano, Flores y Río Negro fueron los queregistraron los mayores precios promedio,mientras que los menores provinieron deArtigas, Lavalleja y Tacuarembó (VALORA,2004), haciendo la salvedad que solamente seconsideraron predios localizados en 12 de los19 departamentos en que se divide el país.

Entre los trabajos de publicación periódi-ca más recientes, se destacan los que vie-nen llevando a cabo la oficina de Estadísti-cas Agropecuarias (DIEA) del Ministerio deGanadería, Agricultura y Pesca (MGAP) yel Instituto Nacional de Colonización (INC).La DIEA ha recopilado, procesado y difundi-do información referente al precio de la tie-rra para uso agropecuario, desde 1969. Apartir de un convenio celebrado en abril de2006 con la Dirección Nacional de Registros(DNR), que opera en la órbita del Ministeriode Educación y Cultura (MEC), la DGR en-trega a la DIEA una copia de las bases dedatos en que se registran las transaccionesde de inmuebles rurales.

Desde entonces, la DIEA valida y proce-sa los datos recibidos y publica los resulta-dos en forma de estadísticas descriptivas(evolución de las ventas, número de tran-sacciones, superficie involucrada y preciospromedio, por tamaño, departamento y can-tidad de veces que se vende un mismo pre-dio, evolución del precio de la tierra en rela-ción a los precios de productos e insumos deuso agropecuario, etc.), en forma semestral.

En forma adicional, esta oficina publicaun resumen estadístico anual. En 2007 sepublicó un primer trabajo sobre el precio deventa de la tierra en el Uruguay abarcandoel período enero de 2000 a junio de 2006(DIEA, 2007), siendo completado para elperíodo 2000-2007 en un estudio subsiguien-te (DIEA, 2008). A partir de allí se han se-guido publicando actualización con la infor-mación generada en los años siguientes(DIEA, 2009; 2010).

Por su parte, el INC, publicó en 2006 unprimer trabajo sobre el comportamiento delprecio de la tierra de uso agropecuario y fo-restal, en su sitio Web, en el año 2005. Elinforme referido, autoría de la Gerencia delDepartamento de Tasaciones, Rentas y Arqui-

tectura del INC y publicado en el sitio Web delINC, fue actualizado primero para el año 2006.Posteriormente, se publicó una actualizaciónque incluyó hasta el segundo semestre de2010 (INC, 2006a; 2006b; 2007; 2010).

Los períodos considerados en estudiosmás recientes de DIEA y del INC exceden elperíodo considerado en este trabajo de in-vestigación, fundamentalmente por imposi-ciones de los datos disponibles en la basede datos utilizada, como se verá en el capí-tulo de materiales y métodos. Por esta ra-zón no se presentará aquí una discusión delos resultados de los mismos. No obstante,cabe resaltar que estos trabajos, al igual quelos referidos anteriormente utilizan el con-cepto de productividad media incluido en elíndice CONEAT 100 y refieren muchas ve-ces los cálculos sobre esta base, a finescomparativos.

2.3 Equilibrio en el mercado detierras en el marco de losmodelos hedónicos

En esta sección se discuten los aspec-tos teóricos fundamentales involucrados enel funcionamiento del mercado de tierraspara uso agropecuario. En particular, se ilus-trará la existencia de equilibrio en el merca-do de tierras. Para esto, se tomará comopunto de partida la línea trazada por Rosen(1974), aunque cuidando de desarrollar al-gunas de las ideas con mayor detalle que elque este autor utilizara al presentar su apli-cación de teoría de precios hedónicos en elcontexto de la diferenciación de productos.

Rosen (1974) formuló su teoría hedónicade precios como un problema en el cual unaserie de precios implícitos de los atributosde un determinado producto, que lo caracte-rizan y describen completamente, determi-na las decisiones de compradores y vende-dores que participan en el mercado. En vezde un mercado para el producto, puede ha-blarse de un mercado para las característi-cas del producto.

Faminow y Gum (1986) resaltaron que losmodelos hedónicos no deben ser vistoscomo modelos de predicción que brinden unacompleta información a los productores. Nosustituyen a los estudios de oferta y deman-

INIA

13


da tradicionales, los cuales permitan antici-par, en alguna medida, los niveles futurosde precios y producción de los mercados.Tampoco proporcionan una visión de las di-námicas que afectan a los mismos. Losmodelos de análisis de diferenciales de pre-cios constituyen simplemente una herramien-ta, que puede ser de gran utilidad, para asis-tir a los agentes en sus procesos de deci-sión. Pueden ser muy útiles, además para brin-dar una información concisa y resumida de lascondiciones actuales de los mercados.

El uso de modelos hedónicos para anali-zar la formación de precios para un produc-to sobre la base de sus características oatr ibutos, así como su faci l idad deimplementación en el trabajo empírico, pre-senta ventajas que los tornan atractivos paralos objetivos de una investigación como laplanteada en esta serie técnica.

Sea un vector que describe los K atribu-tos que caracterizan completamente un in-mueble rural, z´z´z´z´z´ = (z1, z2,…, zK). Cada ele-mento del vector, zk mide la cantidad o laproporción en que la característica k = 1,2,…, K se encuentra presente. Así, cualquierpredio rural puede ser descrito completa yobjetivamente por valores numéricos conte-nidos en zzzzz, de modo que los potenciales in-teresados pueden diferir en el valor subjeti-vo que asignan a inmuebles con atributosdiferentes.

Cada predio tiene un valor de mercado,asociado a un valor fijo de zzzzz, tal que permitedefinir una función p(zzzzz) = p(z1, z2,…, zK) querelaciona una serie de precios implícitos acada una de las características descritas.En tanto definidas como características de-seables, la función p(zzzzz) es creciente en to-dos sus argumentos. Se asume que es con-tinua y diferenciable por lo menos hasta elsegundo orden, no teniendo por qué ser li-neal.

Para modelar la decisión de compra, porparte de un agente interesado en un inmue-ble rural, se define una función de utilidad,U(xxxxx, z1, z2,…, zK), que expresa el grado desatisfacción del individuo. U(xxxxx, zzzzz) es cónca-va en sentido estricto y cumple con las res-tantes condiciones usuales. Es una funciónde las características del predio – que a los

efectos prácticos pueden ser tratadas comobienes intermedios y relacionadas con el bienfinal, tierra, mediante funciones de produc-ción – y del vector xxxxx, que representa todoslos demás bienes que el agente consume yle producen satisfacción.

La decisión del comprador puede enton-ces modelarse a través de un problema demaximización de su función de utilidad osatisfacción, sujeto a una restricciónpresupuestal, dada por los fondos disponi-bles que posee para invertir en la compradel predio y en todos los demás bienes in-termedios o finales que necesita o desea.Normalizando su función de presupuesto,haciendo que el precio de los demás bienessea la unidad, y denominando M al ingresoo fondo disponible, el problema puede ex-presarse como:

Nótese que p es el precio por unidad yque la restricción presupuestal no tiene porqué ser lineal. Apelando a nociones básicasde cálculo diferencial, la solución del pro-blema requiere elegir un consumo óptimo dexxxxx y (z1, z2,…, zK) que satisfaga las usualesrestricciones de tipo presupuestal y las con-diciones de primer orden (CPO). Expresan-do (1) en términos del lagrangeano se obtie-ne:

De las dos primeras CPO se deriva la con-dición de equilibrio:

( ) ( )zxx pzzzUU K +== M st. ,...,,, Max 21,zx(1)

(2)

Las condiciones de segundo orden (CSO)se satisfacen con las propiedades usualesde U, en tanto que p(zzzzz) no sea excesiva-mente cóncava.

(3)

� � � �� zxx pzzzUL K �� M,...,,,Max 21,,

zx

CPO: 0��

kz

k

pUz

Lk

, k = 1, 2,…, K; 0��

x

x

UL

;

� � 0M ��

zx p

L

.

k

k

z

z

pp

U

Uk

��

x

, k = 1, 2,…, K.

14


Para completar el contexto del problema,se define lo que se denominará como fun-fun-fun-fun-fun-ción de valor o de licitaciónción de valor o de licitaciónción de valor o de licitaciónción de valor o de licitaciónción de valor o de licitación, θ(z1, z2,…,zK; u, M), la que puede integrarse a la fun-ción de utilidad para generar un grado desatisfacción u:

La función θ(zzzzz; u, M) representa la inver-sión que el potencial comprador está dis-puesto a realizar por valores alternativos de(z1, z2,…, zK), para un nivel de satisfacciónu y dado un nivel de M disponible. Esto per-mite definir, una familia de superficies deindiferencia en el espacio K-dimensional decaracterísticas, que relaciona valores alter-nativos de zk a valores monetarios, en térmi-nos de unidades de xxxxx sacrificadas.

Si de derivamos la ecuación (4) respectoa cada uno de los argumentos de θ(zzzzz; u, M):

Nótese que la inigualdad en (6) surge delos supuestos usuales de la matriz hessianade U, que implica que Uxxxxxxxxxx y Uzkzk son de sig-no negativo. La estricta concavidad de Uimplica que θ es cóncava en z. Los resulta-dos obtenidos en (5) y (6) muestran que lafunción de licitación es creciente en zk peroa tasa decreciente. En otras palabras, el pre-cio que un comprador estaría dispuesto apagar por la tierra aumentaría con la calidadpero en forma decreciente.

Adicionalmente, θzk es la tasa marginal desustitución entre zk y el dinero, esto es, re-presenta el valor implícito que el compradorasigna a una unidad incremental de zk, dadoun determinado nivel de satisfacción, u, ydisponibilidad de dinero, M. Indica el preciode reserva por cada nivel extra de calidad,dado por zk, precio que, a su vez, decrececon sucesivos incrementos de zk.

Por lo tanto, θ(zzzzz; u, M) representa la can-tidad que un comprador está dispuesto apagar por un campo, dados u y M, mientrasque p(zzzzz) es el precio mínimo que deberápagar en el mercado por un campo con esascaracterísticas.

(4)

0��

�

x

x

U

UUU

z

Uk

kkk

z

zzz

k

, k = 1, 2,…, K;

x

x

UU

u

Uuu

11 ��

�

� ;

� 11M

MMMM ��

�

x

x

xxx

U

UUUU

U

�0

23

22

��

��

�

x

xxxxx

U

UUUUUUU

z

kkkkk

kk

k zzzzz

zz

k

z

Diferenciando nuevamente la primer de-rivada en (5) con respecto a zk se obtiene:

(5)

(6)

U(M-θ, z1,..., zk)=u

θ θ

θ θ

θ θ θ

θθ

θ

INIA

15


El equilibrio, en el hiperplano K-dimensio-nal se obtiene donde las superficies p(z z z z z *) yθ(zzzzz; u, M) se hacen tangentes, una con otra.Si diferenciamos θzk con respecto a u, deacuerdo a los resultados obtenidos en (5),resulta en:

Al respecto, Rosen (1974) señaló quesolamente en ese caso es verdad que amayor poder adquisitivo aumente inequívo-camente la calidad global de los bienes con-sumidos, de modo que se produzca una es-tratificación por nivel de ingreso en el con-sumo de bienes diferenciados. Enfatizó, asi-mismo, que no hay ninguna razón convin-cente por la que la calidad consumida debaincrementarse en todos sus atributos, conel ingreso. Al decir de Lipsey y Rosenbluth(1971), la teoría de los bienes «Giffen» lo-gró su rehabilitación a partir del análisis delos productos diferenciados, en el sentido quealgunos componentes de la calidad de unproducto pueden disminuir, al tiempo queotros pueden aumentar.

A los efectos de ilustrar este concepto,la Figura 5 representa la variación de zzzzz enuna sola dimensión, proyectada en el planode corte zk →θ. Haciendo variar solamentela cantidad de la característica zk y dejandoel resto de las características de zzzzz fijas ensu nivel óptimo, la función θ(z1

*,…, zk,…,zK *; u *,M) define una familia de curvas deindiferencia, para la que se muestran solamentedos productores licitantes, θ1 y θ2. Este último

La solución al problema (1) se obtiene,cuando, si zzzzz* y u * son las cantidades ópti-mas:

Rosen (1974) hizo notar que, en la teoríadel consumidor «estándar», el numerador de(8) determina el signo de la elasticidad in-greso de la demanda por el bien i, cuandotodos los demás bienes (k≠i) se mantienenconstantes. Si el signo es positivo, elgradiente de θ es inequívocamente positivoa niveles crecientes de u. A mayor ingresoaumenta el nivel de satisfacción alcanzable.Por consiguiente, si la función p(zzzzz) es con-vexa y satisface en buena medida las con-diciones de regularidad, en todo su trayec-to, podría esperarse que compradores conmayor disponibilidad de dinero adquieraninmuebles de mayor calidad.

Figura 5. Figura 5. Figura 5. Figura 5. Figura 5. Funciones de licitación y equilibrio de mercado.Fuente: Adaptado de Lanfranco, Ois y Bedat (2006) sobre el original de Rosen (1974).

� � � �*** M,, zz pu �� y � � � �*** M,, zz kz puk

�� , k = 1, 2,…, K (7)

2

x

xxzxzxz

uzU

UUUU

u

kkk

k

� �

�

�� (8)

θ θ

θ θ

16


prefiere lotes con mayor cantidad de la carac-terística zk y, por tanto, está dispuesto a pa-gar un mayor valor por ello (θ2 > θ1).

Según Rosen (1974), una consecuenciaclara derivada de este modelo sería una ten-dencia natural hacia la segmentación delmercado, en el sentido que aquellos consu-midores que exhiben valores similares en sufunción de licitación tenderían a adquirir bie-nes (en este caso particular, predios rura-les) de similares características. Según esteautor, se trata de un resultado ampliamenteconocido en las primeras aplicaciones queutilizaron modelos de equilibrio especial,como el caso de Tiebout (1956).

Asumiendo que los compradores poseendiferentes gustos y preferencias que, tam-bién inciden en sus decisiones, la funciónde utilidad puede re-expresarse como U(x x x x x ,z1, z2,…, zK,ψ), donde ψ es un parámetro quedifiere de persona a persona. Así, la funciónde licitación o de valor depende tanto de ψcomo de M. Considerando toda la poblaciónde potenciales compradores existe una fun-ción de distribución de probabilidad conjun-ta, F(M,ψ) y el equilibrio global para todosellos esta dado por una familia de funcionesde licitación, cuyo límite o «envoltura» su-perior es p(z1

*, z2*,…, zK *), es decir, es la

función de precios implícitos o función deprecios hedónicos de mercado. La funciónp(zzzzz) es común a todos los consumidores, losque actúan en forma competitiva, aun cuan-do el costo marginal de la k-ésima caracte-rística pk, no sea necesariamente constan-te.

Para modelar la decisión de venta de uninmueble rural, por el otro lado, esta investi-gación se aparta ligeramente del enfoque deRosen (1974) pero más que nada en el planoconceptual. No se trata de un productor deun bien puesto a la venta sino del propieta-rio de un factor de producción que enfrentala decisión de vender. Conceptualmente, no

produce ni tiene incidencia en los valores dez, a menos que se incluyan las mejoras den-tro del vector de características. En sus atri-butos originales (productividad potencial, lo-calización) los valores están dados.

En su aplicación empírica, el modelo secomporta en forma muy similar. El papel queen el análisis estándar, en economía de laproducción juega la función de costos, eneste caso se sustituye por una funciónC(Q, zzzzz) que representa la utilidad que, entérminos monetarios, el vendedor deja de per-cibir, por desprenderse de un factor de pro-ducción (beneficio sacrificado). HaciendoQ = 1 debido a que el vendedor posee sola-mente un inmueble rural que pone a la ven-ta, la función C es convexa y depende delos niveles de z, es decir de la calidad delbien como factor de producción. Además, escreciente en sus argumentos, de modo queCzk > 0 . Asumiendo, entonces, que el bene-ficio neto obtenido por el vendedor dependede los atributos del predio, la decisión deventa puede ser expresada de la siguientemanera:

El vector z juega, de alguna manera, elpapel que la restricción tecnológica imbuidaen la función de producción realiza en elanálisis tradicional. Las características delpredio determinan la productividad potencialy, por tanto, expresa el valor presente de lasrentas y beneficios futuros, C, que el vende-dor dejará de percibir. En definitiva, la fun-ción C puede asimilarse al costo de oportu-nidad de deshacerse de ese factor de pro-ducción.

Recuérdese que el precio está expresa-do por unidad de superficie. Apelando nue-vamente al cálculo diferencial, la soluciónóptima a (9) se obtiene a partir de las CPO:

� � � �KKzzz

zzzCzzzpMaxK

,...,,,...,, 2121,...,, 21

��

(9)

CPO: � � � � � � � �zzzz kkkk

k

CpCpz

��

�, k = 1, 2,…, K (10)

INIA

17


En forma análoga al análisis estándar, elprecio de equilibrio de una hectárea de cam-po se obtiene cuando el beneficio marginalproveniente de una unidad adicional del atri-buto zk, iguala su costo marginal.

Para el caso del vendedor se define unafunción de ofrecimientofunción de ofrecimientofunción de ofrecimientofunción de ofrecimientofunción de ofrecimiento, ϕ(z1, z2,…, zK; νπ), que indica el precio unitario que el dueñodel campo estaría dispuesto a aceptar, paraobtener un cierto nivel de beneficio, π. Elparámetro ν por su parte, es único para cadavendedor y hace a su percepción absoluta-mente personal y subjetiva acerca del valordel inmueble que posee. Se puede decir,entonces, que:

beneficio π es maximizado, al igual que en(9), cuando se maximiza la función de ofre-cimiento sujeta a la restricción p = ϕ. La so-lución al problema se encuentra donde:

Diferenciando las ecuaciones en (11) seobtiene ϕz k=Cz k y ϕπð >0 . Esto significa que elprecio mínimo de reserva del oferente paravender su campo, para un nivel dado de π yasumiendo que dicho precio es creciente enzk, para k = 1,…, K, es ϕzk . Aquí, nuevamen-te la convexidad de C no asegura necesa-riamente que ϕz kzk>0.

Rosen (1974) remarcó que, en tanto ϕ esel precio que el vendedor está dispuesto aaceptar para un predio de característica z ynivel de beneficio π , mientras que p(z) es elprecio máximo que se puede conseguir enel mercado por inmuebles de ese tipo, el

El equilibrio, desde el punto de vista delvendedor, se produce por la tangencia entrela superficie de indiferencia beneficio-ca-racterísticas y la superficie de precios im-plícitos del mercado de características.

Para visualizar mejor la situación de equi-librio, en la Figura 6 se considera nuevamen-te la variación de z en una sola dimensión.Haciendo variar solamente la cantidad de lacaracterística zk, la función ϕ(z1

*,…, zk,…,zK *; πo

*,ν) define una familia de curvas sobreel plano de corte zk → ϕ a través delhiperplano de indiferencia, dejando el restode las características de zzzzz fijas en su nivelóptimo. En forma simplificada, solamente semuestran dos productores oferentes, ϕ1 y ϕ2,el último de los cuales ofrece un predio cuyaúnica diferencia con el primero es que exhi-be mayor cantidad de la característica zk.Por esa razón, exigirá un mayor valor a cam-bio de su predio (ϕ2 > ϕ1).

Figura 6.Figura 6.Figura 6.Figura 6.Figura 6. Funciones de ofrecimiento y equilibrio de mercado.Fuente: Adaptado de Lanfranco, Ois y Bedat (2006) sobre el original de Rosen (1974).

� � � �KK zzzCzzz ,...,,,;,...,, 2121 �� y

� � ��KzzzC ,...,, 21 (11)

� � � �� ,;,...,, ***

2

*

1

*

Kzk zzzpk

�z y

� � � �� ,;,...,, ***

2

*

1

*

Kzzzp �z (12)

ϕ

ϕ

ϕ

ϕ

18


Siendo que el parámetro ν, que tiene unadistribución, a lo largo de la población de ven-dedores, caracterizada por G (ν), hay unamultiplicidad de funciones de ofrecimiento,cuyo límite o «envoltura» inferior está delimi-tado por, nuevamente, la función de preciosimplícitos o función de precios hedónicos demercado, aunque esta vez por debajo.

El equilibrio entre oferta y demanda, enel mercado de productos diferenciados, seproduce cuando las respectivas funcionesde licitación y de ofrecimiento se tocan. Endicho punto, el gradiente común correspon-diente al gradiente de la función p(z) de pre-cios implícitos que compensa el mercado(equilibra oferta y demanda). En consecuen-cia, las observaciones de p(z) representanla «envoltura» simultánea de una familia defunciones de licitación y una familia defunciones de ofrecimiento. Gráficamente, estose observa superponiendo las dos situacionesanteriores como se observa en la Figura 7.

Nótese que estas no son las tradiciona-les curvas de oferta O(z) y demanda D(z)que se graficarían en el usual plano de corteQ → P. Por ejemplo, para N predios ofreci-dos en el mercado que difieran al menos enla característica zk., habrá N curvas de ofer-ta y demanda y N diferentes puntos de equi-

librio, dispuestos sobre los ejes de coorde-nadas que representan precio (P) y cantidad(Q).

Pero en este caso y a los efectos prácti-cos, el interés no se encuentra en dichascurvas de oferta y demanda tradicionales –las cuales son inobservables para vendedo-res y compradores – sino en la variación quese observa en los precios de los distintospredios comercializados. Esta variación estárepresentada por la trayectoria de desplaza-miento de los N puntos de equilibrio cuandovaría la composición de z. en la K dimensio-nes del hiperplano de corte zk → P. El inte-rés radica precisamente en la función envol-vente p(z).

Rosen (1974) destacó que, en tanto en-voltura, la función p(z) no revela, en sí mis-ma, absolutamente nada acerca del proce-so que la genera, con algunas excepcionesmuy particulares, sin importancia práctica:o bien que los vendedores fueran idénticosy, por tanto,ν no varíe, o que estos difieranpero los compradores fueran idénticos. Noobstante el interés de este trabajo es inves-tigar el impacto que ha tenido el índice deproductividad CONEAT y otras variables re-levantes en el precio pagado por losinmuebles rurales en el Uruguay.

Figura 7. Figura 7. Figura 7. Figura 7. Figura 7. Equilibrio en el mercado de productos diferenciados.Fuente: Adaptado de Lanfranco, Ois y Bedat (2006) sobre el original de Rosen (1974).

INIA

19


Como sea que cada predio tiene una di-ferente dotación de características que pue-den ser descritas y medidas, tanto cuantita-tiva como cualitativamente, a través delvector de características z, puede decirseque el mercado de tierras es un mercado di-ferenciado. El instrumental metodológicomás adecuado para el análisis empírico es,por tanto, aquel que permite esta considera-ción. El marco teórico propuesto es, enton-ces, el adecuado para justificar la aplicaciónde un método de estimación basado en unmodelo de precios hedónicos.

3 MATERIALES Y MÉTODOS

3.1 Base de datos utilizada einformación básica registrada

3.1.1 Definición de la base de datosPara la presente investigación se utilizó

una base de datos proporcionada por la con-sultora SERAGRO, que contiene operacio-nes de compra-venta de inmuebles ruralesde más de 1.000 hectáreas, registradas porel Instituto Nacional de Colonización (INC).A los datos or iginales, la consultoraSERAGRO añadió otras operaciones no re-gistradas por el INC, por no llegar a las 1.000hectáreas. La base definitiva estuvo com-puesta por 1.407 observaciones que dancuenta de transacciones realizadas entre di-ciembre de 1993 y abril de 2005, inclusive.

Cada observación quedó constituida porla fecha de transacción (mes y año), preciopactado (en dólares por hectárea), superfi-cie (en hectáreas), índice CONEAT, locali-zación geográfica (departamento) y aptitudde uso del predio (ganadero, agrícola-gana-dero, agrícola, lechero, arrocero, forestal).Los suelos de aptitud arrocera se conside-ran por separado debido a que, en Uruguay,el 100% del arroz se realiza bajo riego. Encontraposición, el término agrícola refiere alos restantes cultivos agrícolas, tanto de in-vierno (trigo, cebada, avena para grano) comode verano (maíz, sorgo, soja, girasol), queen Uruguay son básicamente de secano. Eneste estudio, no se consideraron suelos deuso hortícola ni frutícola.

3.1.2 Descripción de las variablesincluidas en el análisis

Precio

La variable precio registra el valor del las1.407 transacciones de inmuebles ruralesexpresado en dólares por hectárea (US$/ha).El precio es la variable dependiente del aná-lisis. Se usan los valores sin deflactar (US$corrientes), siendo que se utilizó el tipo decambio como variable control.

Productividad

Como expresión cuantitativa de la produc-tividad de la tierra se utilizó el índiceCONEAT (IC). El marco histórico y concep-tual que subyace al IC, así como las venta-jas y desventajas de su utilización comoexpresión de la productividad de la tierrapara uso agropecuario, constituyó el abor-daje teórico presentado en la segunda sec-ción del capítulo 2 de esta publicación. Labase de datos incluía el valor de IC para cadauno de los 1.407 predios transados, por loque dicha variable fue utilizada directamen-te a partir de la misma.

Localización

La única variable de localización disponi-ble en la base de dato fue el departamento,razón por la cual se consideró solamente aeste nivel. Como ya fue discutido, el índicede productividad CONEAT considera en al-guna medida, la ubicación del predio conrespecto a centros poblados y carreteras,según su importancia. Esto hizo que algu-nos padrones sufrieran correcciones de hastaen un 10% para incluir estos factores extrín-secos dentro del índice.

Al tratarse de una variable descriptiva, lalocalización departamental se incorporó alanálisis empírico a través de un conjunto devariables binarias. Así, cada departamentose representó a través de una variable bina-ria (dummy), resultando en una serie de 17variables identificadas con el nombre corres-pondiente (Artigas, Canelones, Cerro Largo,Colonia, Durazno, Flores, Florida, Lavalleja,Maldonado, Paysandú, Río Negro, Rivera,Rocha, Salto, San José, Soriano y Tacuar-embó. El departamento de Montevideo no fue

20


incluido como variable al no haber ningúnpredio proveniente del mismo en la base dedatos. Tampoco incluyó la variable corres-pondiente al departamento de Treinta y Tres,la que fue excluida para evitar problemas desingularidad en la matriz de datos, tomán-dose como base.

Superficie

La base de datos contenía el dato de su-perficie del predio, medido en hectáreas, demodo que esta variable cuantitativa se in-cluyó en el análisis tal cual se encontrabadisponible en la base original.

Aptitud de Uso

DIEA (2004) publicó una regionalizaciónde las principales actividades agro-producti-vas para los años 1990 y 2000, consideran-do la proporción en que las diversas activi-dades utilizaban el recurso tierra, a partir deinformación aportada por los censosagropecuarios. Dicha regionalización repre-senta el uso efectivo del suelo (Figura 8), lo

cual no representa necesariamente su apti-tud de uso. Sin embargo, mapea dos mo-mentos en el tiempo que puede tomarse comoun buen indicativo de la situación vigente du-rante el período de estudio (1993-2005).

La definición de la aptitud de uso fue unade las variables descriptivas incluidas porSERAGRO en la base de datos, de modoque el análisis se llevó a cabo utilizando di-cha información. Cada observación de labase se datos se corresponde con un predioo un campo transado, el cual fue clasificadoa posteriori en una de seis posibles catego-rías, de acuerdo a su aptitud potencial deuso: agrícola, agrícola-ganadera, arrocera,ganadera, forestal y lechera. La base dedatos no consideró transacciones de tierrasde uso hortícola, frutícola, citrícola ovinícola, razón por la cual dichos rubros nofueron considerados.

A continuación, se presenta una defini-ción aproximada para cada una de las 6 ca-tegorías de aptitud consideradas, acompa-ñadas de una zonificación aproximada que

Figura 8.Figura 8.Figura 8.Figura 8.Figura 8. Regiones agropecuarias en el año 1990 y 2000.Fuente: Adaptado de DIEA (2004).

INIA

21


se presenta con fines meramente ilustrati-vos. Las primeras cinco fueron reseñadaspor Molfino (2002), quien destacó que parasu confección se utilizó como base el Bole-tín Técnico No 9 de la Dirección de Suelosdel MGAP, el cual se ajustó de acuerdo alos requerimientos de FAO. Para la última(aptitud lechera), se tomó la regionalizaciónde DIEA (2004) sobre datos del censo gene-ral agropecuario de 2000.

La delimitación de las zonas simplemen-te refiere a la aptitud predominante en cadauna, ya que no dicha aptitud no tiene porque ser exclusiva. Esto da lugar a ciertasuperposición entre las mismas7, pudiendológicamente coexistir predios con diferenteaptitud dentro de una determinada zona. Porlo pronto, nada impide que un campo identi-ficado individualmente con una aptitud de-terminada se localice en un área diferente.Al tratarse justamente de variables descrip-tivas o cualitativas, las aptitudes de uso fue-ron incluidas por medio de un conjunto devariables binarias, una por cada categoría,

con excepción de la aptitud agrícola-gana-dera, usada como base.

→Tierras de aptitud principalmente agrícolaEsta categoría incluye unidades de la

Carta de Reconocimiento de Suelos del Uru-guay (CRSU) de la escala 1:1.000.000, lasque se estima poseen un 75% de su super-ficie con tierras arables bajo laboreo conven-cional (Figura 9). Dentro de este orden sedistinguen 4 clases de acuerdo a su intensi-dad de uso (Muy Alta, Alta, Media y Baja).En la separación de estas clases se hizoespecial énfasis en el riesgo de erosiónhídrica.

→Tierras de aptitud principalmente agrí cola-ganaderaIncluye unidades de la CRSU, donde se

estima que presentan entre 25 y 50 % de susuperficie con tierras arables (Figura 10).

Son tierras donde pueden coexistir losdos principales modelos de producción tan-to el ganadero como la agricultura. Con res-

7Al no estar considerada la aptitud lechera en dicha zonificación, el área definida para dicha aptitud estácontenida en las anteriores, la mayoría posiblemente dentro de la zona agrícola-ganadera.

Figura 9. Figura 9. Figura 9. Figura 9. Figura 9. Tierras de aptitud principalmente agrícola.Fuente: Adaptado de Molfino (2002).

22


Figura 10. Figura 10. Figura 10. Figura 10. Figura 10. Tierras de aptitud principalmente agrícola-ganadera.Fuente: Adaptado de Molfino (2002).

pecto a los ganaderos, estos incluyen prin-cipalmente los campos de invernada, loscuales no precisan de mejoras sustancialesen las pasturas para el engorde. Dentro deeste orden se separan 3 clases (Alta, Mediay Baja) de acuerdo a su intensidad de uso yel riesgo de erosión.

→Tierras de aptitud principalmente pastoril (ganadera)Se incluyen unidades de la CRSU que por

presentar problemas de pendiente importan-tes, superficialidad o con un porcentaje deformaciones rocosas considerables, poseenmenos de 25 % de tierras arables bajo labo-reo convencional (Figura 11). Principalmen-te son campos ganaderos de cría o ciclo com-pleto.

La ganadería ocupa la superficie másgrande del país; mayor a la representada enesta zona. Es muy difícil encontrar zonasdonde no se practique aunque sea de formasecundaria. Solamente cede en importanciaen las regiones lecheras y de agriculturaextensiva de secano. Dentro de este orden,de acuerdo al grado de las limitantes men-

cionadas se separaron 3 clases (Alta, Me-dia y Baja).

→Tierras de aptitud principalmente arroceraEste tipo de tierras ha sido el que ha te-

nido una evolución más marcada entre 1990y el período considerado en este estudio.Incluye unidades de la CRSU que exhiben50 % de tierras arables, además de presen-tar características topográficas favorablespara el cultivo del arroz (Figura 12). Se con-sideró también la cercanía a fuentes de agua.

Actualmente, el área arrozable se ubicaen el entorno de las 200 mil hectáreas. Lasuperficie promedio plantada con el cereal,para el período del estudio (1993-2005), fuede 167 mil hectáreas. El cultivo se encuen-tra fuertemente localizado en tres zonas8. Lazona Este comprende los departamentos deRocha, Lavalleja, Treinta y Tres y este deCerro Largo. Abarca las planicies de la La-guna Merín y del Atlántico. Reúne más de lamitad de las tierras arrozables del país, for-mando además una superficie relativamen-te continua y concentrada de topografía ge-

8http://www.aca.com.uy/el_cultivo.html

INIA

23


Figura 1Figura 1Figura 1Figura 1Figura 11. 1. 1. 1. 1. Tierras de aptitud principalmente pastoriles (ganadería).Fuente: Adaptado de Molfino (2002).

Figura 12.Figura 12.Figura 12.Figura 12.Figura 12. Tierras de aptitud principalmente arrocera.Fuente Adaptado de Molfino (2002).

24


neral muy plana y contando con fuentes deagua muy abundantes.

La zona Centro abarca los departamen-tos de Rivera, Tacuarembó, oeste de CerroLargo y norte de Durazno. Abarca fundamen-talmente la cuenca del Río Negro y está for-mada por un «mosaico» relativamente dis-continuo de áreas arrozables, que en gene-ral requieren de represa para el riego.

La zona Norte, por su parte, abarca seubica en los departamentos de Artigas ySalto. Ocupa parte de la cuenca de los ríosCuareim y Uruguay. También está formadapor áreas más o menos discontinuas y dis-persas y donde las pendientes son, en ge-neral, más pronunciadas y que, como en lazona centro, el mayor porcentaje se riegadesde represas.

→Tierras de aptitud forestalToman en cuenta las unidades de la CRSU

que presentan características favorablespara el crecimiento de diversas especiesforestales. Junto a la superficie arrocera, laforestación es una de las actividades pro-ductivas agropecuarias con mayor modifica-

ción desde 1990 a la fecha límite considera-da por este estudio. Se observa una fuerteidentificación con suelos arenosos y de se-rranías. Los departamentos donde se cons-tatan una cantidad considerable de hectá-reas plantadas son Tacuarembó, Rivera yPaysandú (Figura 13).

→Tierras de aptitud lecheraComo ya fue mencionado, esta última

zona de aptitud no estaba considerada en ladescripción de Molfino (2002). La lecheríapresenta una fuerte presencia en el sur y enel oeste del país, particularmente en los de-partamentos de San José, Colonia, el Surde Florida y Norte de Canelones, a lo que seagrega la nueva cuenca del litoral oeste ylas pequeñas cuencas departamentales. LaFigura 14 mapea la regionalización de la ac-tividad lechera en base a la producción delitros por kilómetro cuadrado de superficiecensada en cada área de enumeración. Losdatos refieren al Censo General Agropecuario2000 (DIEA, 2000) «La ubicación territorialde la producción lechera ha estado básica-mente ligada a los principales centros deconsumo -en particular Montevideo-, en com-

Figura 13.Figura 13.Figura 13.Figura 13.Figura 13. Tierras de aptitud principalmente forestal.Fuente: Adaptado de Molfino (2002).

INIA

25


binación con la aptitud natural del suelo quees el principal recurso utilizado en este rubrode base pastoril» (DIEA, 2003).

Variables de Control

Para el análisis empírico se utilizaron al-gunas variables exógenas con el objetivo decontrolar efectos de mercado y condicionesgenerales de la economía. Las variables decontrol utilizadas fueron el tipo de cambio($/US$), precio del gasoil (US$/l) y preciode la vaca gorda (US$/kg en pie). Las fuen-tes utilizadas para recopilar esta informaciónfueron, respectivamente, las series de pre-cios históricas publicadas por el Banco Cen-tral del Uruguay (BCU), por el Instituto Na-cional de Carnes (INAC) y por la Direcciónde Estadísticas Agropecuarias del Ministe-rio de Ganadería, Agricultura y Pesca(DIEA). Adicionalmente, se utilizó una va-riable discreta para controlar los efectos delperíodo de transacción.

→Tipo de cambioLas transacciones de inmuebles rurales

se realizan fundamentalmente en dólaresamericanos (US$). El tipo de cambio se in-cluyó como precio del dólar expresado en

pesos uruguayos. Para cada transacción seregistró el promedio comprador de su valornominal del mes en el que se realizó la tran-sacción. En los 146 meses que abarca elestudio, el dólar osciló entre $4,376 y$29,761. El promedio para todo el período(diciembre 1993 a abril 2005) fue de $14,03por dólar. Esta variable captura en muy bue-na medida la inflación en dólares, relevantepara este mercado. Muchos trabajos de estetipo han incluido directamente una medidade inflación en vez del tipo de cambio yaque, en su mayoría, fueron realizados enEstados Unidos o en la eurozona.

→Precio del gasoilEl gasoi l es una de las variables

instrumentales que se agregan al modelo yfue elegida precisamente por ser un insumopara toda la actividad agropecuaria. Es unaforma de representar los costos relativosimplícitos del sector rural. Hay que señalarque el sector agropecuario posee una deman-da inelástica frente al precio del gasoil. Enlos últimos años, este sector ha tenido unconsumo que representa el 8 % del consu-mo energético total del país, siendo en sumayor parte justamente gasoil. El consumo

Figura 14.Figura 14.Figura 14.Figura 14.Figura 14. Tierras de aptitud lechera.Fuente: Censo General Agropecuario 2000 MGAP-DIEA.

26


de este combustible por parte del sectoragropecuario solamente es superado por elsector transporte, con el cual el agro tieneun estrecho vínculo comercial.

→Precio de la vaca gordaLa segunda variable instrumental utiliza-

da en el modelo empírico fue el precio de lavaca gorda. El precio de la vaca gorda estáestrechamente ligado al del novillo gordo, porlo cual resultaba indiferente introducir uno uotro en el modelo. La correlación entre am-bos precios, estimada a partir de series men-sual para el periodo de la presente investi-gación, arrojó una correlación de 0,9814.

Así como el combustible se incluyó comorepresentativo de los costos de producción,a través de su precio, el precio del ganadose utilizó como representativo del productofinal para la mayoría de los propietarios detierras, como actividad predominante en elpaís, ya sea en forma exclusiva o combina-da con otras.

→Período de transacciónEl período considerado por el estudio, en

razón de los datos disponibles, abarcó di-ciembre de 1993 a abril de 2005. Tanto elúltimo año como el primero no están com-pletos y, por ende, no son nada representa-tivos, en forma individual. Exceptuando es-tos dos extremos, la distribución de las mos-tró una distribución bastante uniforme entreaños. Se puede destacar un gran número deoperaciones en los años de buen desempe-ño económico como ser 1997 y 2003.

Esta variable se incorporó a través de unconjunto de variables binarias (dummy), to-mando como base el año pero agrupando enclases o períodos, según fuera necesario yen base a dos criterios: Por un lado, lograrque los intervalos de tiempo mostraran cier-to equilibrio, tanto en el número de opera-ciones como en la superficie involucrada. Ensegundo lugar, se usó como criterio auxiliarel precio promedio de la superficie transadaen cada año. Como resultado, se definieronlas siguientes variables binarias, cuyo pe-ríodo se especifica entre paréntesis: p1(agrupó desde 1993 hasta 1995), p2 (1996),p3 (1997), p4 (1998), p5 (1999), p6 (2000),p7 (2001), p8 (2002 y 2003) y, por último, p9(2004 y 2005). Al excluirse p2, para evitar

colinearidad en los datos, el año base que-dó definido como 1996.

3.2 Estimación del modelo deprecios hedónicos

El modelo de precios hedónicos de la tie-rra se estimó por el método de mínimos cua-drados ordinarios (MCO) mediante una re-gresión multivariada. La variable dependien-te fue el precio de la hectárea, expresada endólares (US$), registrado en cada operaciónde compraventa. Como variables indepen-dientes se consideraron, en primer lugar, lascaracterísticas del predio incluidas en elvector zzzzz: índice CONEAT, superficie, locali-zación y aptitud.

La estimación del modelo hedónico per-mitió calcular el precio implícito asignado alas características del predio. Esto se obtu-vo diferenciando p(z) con respecto a cada zky evaluando las derivadas para cada una delas características:

donde p es el precio por hectárea del pre-dio y pk es el precio implícito o valor margi-nal de la característica k, por ejemplo, delíndice CONEAT. Los precios hedónicos ovalores marginales observados en (14) sim-plemente conectan los precios de reservade equilibrio, θ y ϕ, con las característicasque determinan la calidad del inmueble, talque ϕ(z) = p(z) = θ(z), no revelando ningunainformación acerca de la estructura de lasfunciones de oferta y demanda subyacen-tes.

La función de precios hedónicos permitela inclusión de relaciones no lineales. Dichasrelaciones no lineales pueden igualmenteestimarse por MCO, en tanto que el modelocontinúe siendo lineal en sus parámetros. Eneste estudio, se incluyó una relación no li-

� �Kzzzfp ,...,, 21� ,

� � � �

k

kz

pp

�

z

z , k = 1, 2,…, K,

(13)

(14)

INIA

27


neal solamente para el índice CONEAT (IC).En tanto que la teoría no especifica, a priori,ninguna relación particular entre el IC y elprecio, se evaluaron diferentes formas fun-cionales para establecer dicha relación.

El modelo empírico quedó compuesto por1 constante, K relaciones lineales, 1 rela-ción cuadrática inversa, R condiciones demercado y S períodos de tiempo. Para n =1,…, N observaciones, la función (13) seexpresó finalmente como:

La variable ans reporta el período de tiem-po al que corresponde la transacción. Dichosperíodos no son necesariamente iguales enduración ya que para definirlos se conside-ró, también, el número de transaccionesinvolucradas. Por esta razón, los 13 añosde observaciones se agruparon en nueveperíodos. Las transacciones realizadas en-tre 1993 y 1995 constituyeron un período;las ocurridas entre 2002 y 2003 también seagruparon, así como las ocurridas entre 2004y 2005. El resto de los años se mantuvieroncomo períodos independientes. La represen-tación de los períodos de tiempo así defini-dos se realizó a través de variables dummy,por lo cual, al descartar el período utilizadocomo base (1996) para evitar problemas desingularidad, se tiene que S = 8.

Los coeficientes ς, ϑk, ρ, τr y υs son los 1+ 24 + 1+ 3 + 8 = 37 parámetros indepen-dientes de la regresión multivariada estima-dos por MCO. El término εn representa el errorresidual, el cual es independiente eidént icamente distr ibuido, tal queεn ~ N(0,σ2I). La estimación se llevó a caboutilizando un estimador consistente en pre-sencia de heteroscedasticidad para la ma-triz de varianza-covarianza concebido porWhite (1980) con las correcciones recomen-daciones por Davidson y MacKinnon (1993,p. 553-554).

Diferenciando (15) con respecto a zk seobtiene el precio o valor marginal implícitopara la característica k. Dejando de lado elsubíndice referente al predio y sustituyendopor los coeficientes estimados para losparámetros, ϑ k y ρ , se obtienen las expre-siones empíricas de (14). Nuevamente, sidefinimos k = 1 para el CONEAT y dejandok ≠1, para las restantes características,obtenemos la expresión (16):

Si definimos a IC como el primer elemen-to del vector z de características (k = 1), lasvariables zn1 y zn1

1/2 representan la relaciónno lineal entre el IC y el precio de la tierra.Las restantes características se represen-taron en forma lineal, a través de znk, parak ≠ 1. De estas, solamente la superficie delpredio era una variable continua.

Para la variable referente a la localiza-ción del predio se creó una variable binaria(dummy) por cada uno de los departamen-tos en que se divide el país. Se exceptuóMontevideo, departamento para el cual nohabía datos de transacciones para prediosde las características consideradas en estetrabajo. Las seis diferentes aptitudes de usodel predio consideradas también se repre-sentaron a través de variables dummy. Paraevitar la singularidad de los datos, en pre-sencia de una constante en la regresión, sedescartó una dummy de localización (Trein-ta y Tres) y una de aptitud (agrícola), lasque quedaron como base. El vector de ca-racterísticas del predio quedó conformadofinalmente por dos variables para el IC, unapara la superficie en hectáreas, cinco parala aptitud del predio y diecisiete para la lo-calización, todo lo cual hizo que K = 24.

La variable wnr representa la r-ésima con-dición de mercado. Las tres variables consi-deradas (tipo de cambio, precio de la vaca,precio del gasoil) son continuas, por lo queR = 3.

Si definimos la elasticidad precio comola variación, en términos porcentuales, en elprecio (p) del predio, originada por la varia-ción en una de las características que lo des-

∧ ∧

n

S

s

nss

R

r

nrrnk

K

k

nkkn awzzp �� 11

2/1

1

.... ,

n = 1,…, N (15)

)2/1(

111 .ˆ2

1ˆ �� zp �� y kkp �̂� ,

para k = 2,…, K (16)

ϑ∧

ϑ∧

28


� �p

z

z

p1

1

1

�

z

� yp

zkkk ��

),

para k = 2,…, K

criben (zk), ceteris paribus, las K elasticida-des respectivas son las presentadas en laexpresión (17), siendo la primera de estas(ξ1), la elasticidad precio del índice CONEAT:

4 RESULTADOS Y DISCUSIÓN

4.1 Estadísticas básicas delmodelo

Las 1.407 observaciones que conforma-ron la base de datos objeto de estudio repre-sentaron un total de 2.410.844 hectáreas,cuyo valor total de venta superó los 1.435millones de dólares. El valor promedio de lahectárea alcanzó a 643 dólares. En el Cua-dro 1 se presenta la cantidad de operacio-nes, superficie transada, valor total y preciopromedio de la hectárea, por segmento detamaño.

El 90% de las transacciones registradasen la muestra analizada involucró predios conun tamaño en el rango entre 200 y 5.000hectáreas. Estas operaciones representaronel 80% de la superficie transada. El 38% delas operaciones de compraventa ocurrió enpredios ubicados en el rango de entre 1.000y 2.000 ha, representando el 31% de la su-perficie. Se observa que el precio promediode venta de la hectárea disminuye a medidaque aumenta el rango de tamaño (Figura 15).

Cuadro 1.Cuadro 1.Cuadro 1.Cuadro 1.Cuadro 1. Número de operaciones, superficie transada y valor.

Superficie Superficie Superficie Superficie Superficie

Esta comprobación no debe confundirse conla contribución neta del tamaño sobre el pre-cio, es decir, con el efecto marginal que severificaría al variar únicamente el tamaño depredio, dejando todos los restantes factoresconstantes. Esto último es lo que precisa-mente se cuantificó a través del modelo deprecios hedónicos, como se verá en la próxi-ma sección de este capítulo.

Desagregando la muestra de acuerdo ala localización geográfica de los predios seobserva que el 60% de las operaciones co-rresponden a solo seis departamentos:Tacuarembó, Río Negro, Rivera, Soriano, Flo-rida y Paysandú (Cuadro 2). En el caso deRivera, la superficie transada representó33% del área total del departamento, llegan-do a 26% en Tacuarembó y Río Negro, 20%en Paysandú, 19% en Flores y 15% en So-riano. La superficie total transada por depar-tamento, registrada en la muestra, alcanzóo superó el 10% del área total departamen-tal en los casos de Florida, Cerro Largo,Salto, Durazno y Rocha.

El máximo precio promedio de venta, endólares por hectárea, correspondió a Colo-nia, departamento donde el área transadaexhibió un CONEAT promedio de 150. Losiguieron, en los primeros lugares, los de-partamentos de Canelones (US$ 995,IC=107), Soriano (US$ 895, IC=142), SanJosé (US$ 893, IC=136) y Río Negro(US$ 872, IC=131), completando, de estaforma una faja que comprende los departa-mentos ubicados en el litoral sur y suroestedel país. Estos valores promedio no repre-sentan el efecto neto de la localización de-partamental sobre el precio.

(17)k

Rango deRango deRango deRango deRango de tamaño(ha) tamaño(ha) tamaño(ha) tamaño(ha) tamaño(ha)

Operaciones Operaciones Operaciones Operaciones Operaciones V V V V Valor de Talor de Talor de Talor de Talor de Transaciónransaciónransaciónransaciónransación

NNNNN° %%%%% %%%%%h ah ah ah ah a U S $U S $U S $U S $U S $ U S $ / h aU S $ / h aU S $ / h aU S $ / h aU S $ / h a

Entre 30 y 200 66 5 8.574 < 1 7.950.313

De 201 y 500 183 13 67.061 3 48.581.775

De 501 a 1.000 267 19 201.929 8 137.168.305

De 1.001 a 2.000 538 38 755.984 31 446.614.412

De 2.001 a 5.000 297 21 910.140 38 526.082.662

Más de 5.000 56 4 467.156 19 268.844.581

TOTAL 1.407 100 2.410.844 100 1.435.242.048

971

744

678

594

574

604

643

INIA

29


Figura 15.Figura 15.Figura 15.Figura 15.Figura 15. Precio promedio por hectárea, según rango de tamaño de predio.

-

100

200

300

400

500

600

700

800

900

1.000

30 a 200 201 a 500 501 a 1.000 1.001 a 2.000 2.001 a 5.000 Más de 5.000

Pre

cio

de

laT

ierr

a(U

S$

/h

a)

Rango de Tamaño (ha)

Cuadro 2. Cuadro 2. Cuadro 2. Cuadro 2. Cuadro 2. Número de operaciones y superficie transada, por departamento.

Nota: Los porcentajes pueden no sumar 100 debido al redondeo.

Artigas 34 2% 69.119 6% 79 400

Canelones 22 2% 5.353 1% 107 995

Cerro Largo 79 6% 157.567 12% 84 519

Colonia 19 1% 17.047 3% 150 1.108

Durazno 95 7% 129.927 11% 104 508

Flores 75 5% 96.939 19% 119 671

Florida 122 9% 130.579 13% 108 651

Lavalleja 42 3% 56.296 6% 77 475

Maldonado 15 1% 12.496 3% 70 528

Paysandú 119 8% 284.570 20% 97 590

Río Negro 144 10% 236.847 26% 131 872

Rivera 138 10% 313.827 33% 84 603

Rocha 64 5% 103.744 10% 81 602

Salto 66 5% 158.971 11% 88 409

San José 26 2% 23.889 5% 136 893

Soriano 135 10% 134.251 15% 142 895

Tacuarembó 183 13% 406.055 26% 85 558

Treinta y Tres 29 2% 73.367 8% 67 390

TTTTTOTOTOTOTOTALALALALAL 1.407 1.407 1.407 1.407 1.407 1 0 01 0 01 0 01 0 01 0 0 2 . 4 1 0 . 8 4 42 . 4 1 0 . 8 4 42 . 4 1 0 . 8 4 42 . 4 1 0 . 8 4 42 . 4 1 0 . 8 4 4 ----- 1 0 21 0 21 0 21 0 21 0 2 6 4 36 4 36 4 36 4 36 4 3

D e p a r t a m e n t oD e p a r t a m e n t oD e p a r t a m e n t oD e p a r t a m e n t oD e p a r t a m e n t o

O p e r a c i o n e sO p e r a c i o n e sO p e r a c i o n e sO p e r a c i o n e sO p e r a c i o n e s

NNNNN° %S u p e r f i c i eS u p e r f i c i eS u p e r f i c i eS u p e r f i c i eS u p e r f i c i e

( h a )( h a )( h a )( h a )( h a )

% del Área% del Área% del Área% del Área% del Área

D e p a r t a m e n t a lD e p a r t a m e n t a lD e p a r t a m e n t a lD e p a r t a m e n t a lD e p a r t a m e n t a l

C O N E AC O N E AC O N E AC O N E AC O N E ATTTTT

p r o m e d i op r o m e d i op r o m e d i op r o m e d i op r o m e d i o VVVVVa lo ra lo ra l o ra l o ra l o r

U S $ / h aU S $ / h aU S $ / h aU S $ / h aU S $ / h a

30


Aptitud Predominante Participación CONEAT promedio Valor (US$/ha)

Agrícola 8% 169 1.208

Agrícola-Ganadera 18% 133 806

Arrocera 6% 85 650

Ganadera 44% 92 477

Forestación 22% 77 625

Lechería 2% 102 643

TOTAL 100% 102 643

Agrícolas8%

Agrícola-Ganaderos18%

Arroceros6%

Ganaderos44%

Forestales22%

Lecheros2%

En el Cuadro 3, se presenta el porcenta-je de operaciones por tipo de predio (aptitudde uso), acompañado del índice CONEATpromedio por tipo y el precio promedio, endólares por hectárea. Se advierte que los cla-sificados como ganaderos puros represen-taron el 44% del total de 1.407 predios co-mercializados. Los predios forestales repre-sentaron 22%, los agrícola-ganaderos 18%,los agrícolas 8%, los arroceros 6% y los le-cheros 2% (Figura 16).

En promedio, los predios con predominan-cia de aptitud ganadera recibieron los meno-res precios, los cuales aumentan a medidaque el suelo se hace más agrícola (mayorproporción de tierras arables). En promedio,los suelos de aptitud arrocera y de aptitudforestal fueron comercializados, como era deesperarse, a precios más elevados que los

ganaderos, no obstante exhiben índicesCONEAT promedio más bajos lo cual, enprincipio, podría estar denotando el sesgoganadero del mismo.

4.2 Aplicación y resultados delmodelo de precios hedónicos

4.2.1 Configuración del modeloEl análisis empírico del modelo hedónico

de precios se realizó utilizando una regre-sión multivariada estimada por MCO, reali-zándose la correspondiente corrección parala heteroscedasticidad de los datos. La esti-mación de los 37 parámetros independien-tes del modelo se hizo a partir de la muestrade N = 1.407 observaciones. Denominando

Cuadro 3. Cuadro 3. Cuadro 3. Cuadro 3. Cuadro 3. Número de operaciones, CONEAT y precio promedio, según aptitud de uso.

Figura 16.Figura 16.Figura 16.Figura 16.Figura 16. Distribución de los predios comerciales según aptitud principal de uso.

INIA

31


βt al tésimo elemento perteneciente al vectorde coeficientes a ser estimado, el modeloempírico se puede escribir:

En este caso, G = 37 es la cantidad deparámetros estimados. La prueba de signifi-cación conjunta de los G – 1 parámetrosasociados a la variable de interés. El valordel estadístico

F36, 1.370 = 63,84 determinó el rechazo dela hipótesis nula (Ho: β1 = β2 =…= β36 = 0),lo cual permite decir que el modelo en suconjunto tiene un buen poder de explicativo.El coeficiente de correlación múltiple fueestimado en R2 = 0,643984. No se encontróevidencia de autocorrelación en los datos.

Los problemas de singularidad en la ma-triz de datos, por el uso de variables binariasen presencia de una constante de regresión,fueron evitados descartando una variablebinaria por cada grupo de variables discretas(aptitud, departamento y periodo de la transac-ción). De esta forma, la constante de regresiónidentifica un predio base, de aptitud agrícola-ganadera, ubicado en el departamento de Trein-ta y Tres y comercializado en 19969.

4.2.2 Resultados de la estimaciónEn el Cuadro 4 se presentan los coefi-

cientes estimados de los parámetros de laregresión multivariada, acompañados de loscorrespondientes errores estándar y del es-tadístico t. En la última columna se aprecia,la probabilidad de cometer error de tipo I y lasignificación estadística, para tres nivelesde α (1%, 5% y 10%). La discusión de losresultados se realiza variable por variable,

contrastando los efectos observados con elcomportamiento esperado a priori. Por estarazón se incluye una columna con el signoesperado para cada coeficiente, previo a suestimación.

La prueba de signif icación de losparámetros, para las hipótesis Ho: βi = 0 yHa: βi ≠ 0, para i = 0,…, 36, muestra el altoporcentaje de coeficientes de parámetros queresultaron significativos. Un total de 25 delos 37 parámetros est imados fueronestadísticamente significativos (las pendien-tes son significativamente distintas de 0),al menos al 10% (α = 0,1); para el 5% designificación, 20 parámetros resultaron sig-nificativos. Reduciendo la probabilidad decometer error de tipo I a 1%, esta cantidaddisminuye a 16.

Índice CONEAÍndice CONEAÍndice CONEAÍndice CONEAÍndice CONEATTTTT

Para analizar el comportamiento del índiceCONEAT (IC) se consideró la posibilidad deque exhibiera una relación no lineal. Los resul-tados obtenidos a partir de los datos disponi-bles confirmaron dicha posibilidad, sugiriendouna relación cuadrática inversa, tal como seexpresa en la ecuación (16). Ambos coeficien-tes fueron significativos para todos los nive-les considerados. Esto significa que el efectomarginal del IC no es constante sino que seincrementa con el propio índice. No obstante,si bien el coeficiente lineal exhibió signo posi-tivo (9,73221), el término cuadrático inversofue de signo negativo (–109,85772).

9El predio base es una consecuencia impuesta por el método econométrico y no necesariamente es real. Enefecto, la muestra no contenía ningún predio que cumpliera simultáneamente con las 3 condiciones.

(17)

6

.,...,2,198

76543

1

05

3635

3433323130

29282726

2524232221

2019181716

1514131211

10987

543210

NnPeriodoPeriodo

PeriodoPeriodoPeriodoPeriodoPeriodo

PeríodordaecioVacaGoPrecioGasoilPrioTipodeCamb

TacuarembóSorianoSanJoséSaltoRocha

RiveraRíoNegroPaysandúMaldonadoLavalleja

FloridaFloresDuraznoColoniaoargCerroL

CanelonesArtigasLecheroForestalGanadero

ArroceroAgrícolaConeatConeatSuperficiePrecio

nnn

nnnnn

nnnn

nnnnn

nnnnn

nnnnn

nnnnn

nnnnnn

��

��

��

��

��

��

��

��

��

��

��

��

��

��

��

��

(18)

32


Variable Signo Esperado

Estimación del Parámetro

Desviación Estándar Estadístico-t Probabilidad y

Significación Constante + 332,91449 152,90535 2,17726 0,030 ** Superficie +/– 0,00401 0,00333 1,20317 0,229 CONEAT + 9,73221 1,73450 5,61096 0,000 *** CONEAT^(1/2) +/– -109,85772 32,30719 -3,40041 0,001 *** Agrícola + 124,14046 40,99090 3,02849 0,003 *** Arrocero + 93,94212 29,66891 3,16635 0,002 *** Ganadero – -88,80248 18,45460 -4,81194 0,000 *** Forestal + 106,36595 25,90350 4,10196 0,000 *** Lechero + 107,53772 55,42615 1,94020 0,053 * Artigas +/– 38,53234 42,26178 0,91175 0,362 Canelones +/– 324,17067 63,42927 5,11074 0,000 *** Cerro Largo +/– 36,51099 34,95561 1,04450 0,296 Colonia +/– 334,37019 83,91793 3,98449 0,000 *** Durazno +/– -14,91442 34,74606 -0,42924 0,668 Flores +/– 49,76446 39,01596 1,27549 0,202 Florida +/– 119,81388 35,72771 3,35353 0,001 *** Lavalleja +/– 9,40161 36,44254 0,25798 0,796 Maldonado +/– 128,34013 47,38848 2,70826 0,007 *** Paysandú +/– 47,38894 37,12899 1,27633 0,202 Río Negro +/– 101,78185 37,02016 2,74936 0,006 *** Rivera +/– 58,77706 37,18714 1,57944 0,114 Rocha +/– 89,61054 37,39150 2,39655 0,017 ** Salto +/– -18,82766 36,38594 -0,51744 0,605 San José +/– 152,44071 53,65361 2,84120 0,005 *** Soriano +/– 92,05961 40,46725 2,27492 0,023 ** Tacuarembó +/– 65,27236 35,88217 1,81907 0,069 * Tipo Cambio – -7,66240 4,44675 -1,72315 0,085 * Precio Gasoil +/– 23,84050 7,04962 3,38181 0,001 *** Precio Vaca G. + 360,03284 80,72972 4,45973 0,000 *** P1 (1993-1995) +/– -18,17995 18,69622 -0,97239 0,331 P3 (1997) +/– 72,93892 14,98645 4,86699 0,000 *** P4 (1998) +/– 79,11727 24,23274 3,26489 0,001 *** P5 (1999) +/– 137,79540 25,60061 5,38250 0,000 *** P6 (2000) +/– -0,87555 26,05390 -0,03361 0,973 P7 (2001) +/– 72,10465 39,86093 1,80891 0,071 * P8 (2002-2003) +/– -42,71141 61,72344 -0,69198 0,489 P9 (2004-2005) +/– 166,41664 73,73375 2,25699 0,024 **

Cuadro 4. Cuadro 4. Cuadro 4. Cuadro 4. Cuadro 4. Resultado de la estimación del modelo de precios hedónicos.

Nivel de significación (a) de la prueba t1.370,a

de Student, a dos colas: *** 1%; ** 5%; * 10%.

En la Figura 17 se presenta el efecto netodel IC sobre el precio de la hectárea de tie-rra, de acuerdo al modelo estimado. Lo quese grafica es la variación en el precio de mer-cado debido exclusivamente a la variacióndel índice, dejando todos los demás facto-res constantes (ceteris paribus), es decir, esindependiente de otros atributos del predio.La curva que muestra la evolución del pre-cio en función del CONEAT es siempre cre-ciente, para todo el rango considerado (40–236). Se constata, no obstante, la no

linealidad de dicha relación. En los nivelesinferiores del índice, la curva es bastanteinelástica, es decir, las diferencias de pre-cio al variar el IC no son muy apreciables.Sin embargo, rápidamente los sucesivos in-crementos en el CONEAT llevan a incremen-tos cada vez mayores en el precio de la tie-rra, ceteris paribus. La elasticidad de la cur-va se va incrementando hasta que, en losniveles más altos de CONEAT la relación seva haciendo cada vez más lineal.

INIA

33


0,00

0,20

0,40

0,60

0,80

1,00

1,20

40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230

Índice CONEAT

Ela

stic

idad

Pre

cio

Figura 18.Figura 18.Figura 18.Figura 18.Figura 18. Elasticidad precio del índice CONEAT.

Esto se advierte claramente si se graficael cambio producido en la elasticidad precio(inversa) de la tierra respecto al IC, utilizan-do la primera ecuación en (17). Según seobserva en la Figura 18 la elasticidad creceen forma muy marcada al principio. Multipli-ca su magnitud prácticamente por 4 entreIC=40 e IC=100, pasando de 0,17 a 0,67.Este valor sigue creciendo en todo el rangodel IC a una tasa decreciente, que se hacecasi constante a partir de valores de IC entorno 130-140. En el rango de IC entre 100 y

0

200

400

600

800

1.000

1.200

1.400

1.600

40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230

Índice CONEAT

Pre

cio

de

laTi

erra

(US

$/ h

a)

Figura 17. Figura 17. Figura 17. Figura 17. Figura 17. Efecto del índice de productividad CONEAT sobre el precio de la tierra.

140, la elasticidad pasa de 0,67 a 0,81 (cre-cimiento de poco más del 20%), mientrasque entre 140 y 250 crece solamente un 23%más), pasando de 0,81 a 1,00.

Esto tiene consecuencias prácticas so-bre el ajuste que con fines comparativos serealiza habitualmente sobre los precios dela tierra, en base al IC. El ejemplo presenta-do en la Figura 19 permite comparar la prác-tica común de convertir linealmente los va-lores a base 100, por simple regla de tres,con el ajuste no lineal sugerido por el mode-

34


lo estimado en este estudio. La conversiónlineal de los precios de predios con distintoIC a base CONEAT 100, por simple regla detres, puede resultar en una distorsión de losmismos. Este método tiende a sobrevalorarlos precios de predios con IC menor a 100 ya subvalorar los de índice superior a la base.Así, el precio promedio ajustado a base 100,de predios de CONEAT inferiores a 100, pue-de acabar siendo superior al precio prome-dio ajustado de predios con mayor CONEAT.

Allí se propone el ajuste de tres predios,cada uno con un valor de CONEAT diferente(85, 100 y 120), a través de los dos méto-dos, el lineal (por regla de tres) y el no lineal(sugerido por el modelo). Supóngase que losvalores de transacción de los tres prediosfueron 500, 600 y 700 dólares por hectárea,respectivamente. Para el predio con IC = 85,la conversión a base 100 mediante el méto-do lineal arroja un valor de 588 US$/ha. Sinembargo, ajustando con el método no linealse obtiene un valor menor, de 560 US$/ha.Por otro lado, el valor base 100 del prediode CONEAT 120 sería de 583 US/ha, en tantoque utilizando el método no lineal dicho va-lor sería de 610 US$/ha. En el primer caso,la sobrevaloración en del predio de IC = 85al pasar a base 100 mediante ajuste linealfue de 5,0%, respecto al no lineal. En el se-gundo caso, la subvaloración del predio de

IC = 120, al usar el ajuste lineal y no el otro,fue de 4,4%. Se observa que, llevados a base100, un predio de menor productividad (<100)cuyo valor es ajustado linealmente puederepresentar un precio mayor por hectárea queun predio de mayor productividad (>100).

Localización

La localización geográfica del predio tam-bién demostró tener incidencia en la forma-ción del precio de la hectárea. Como sevisualiza en la Figura 20 nueve departamen-tos exhibieron coeficientes de regresión po-sitivos y estadísticamente significativos, loque indica un premio recibido con respectoal departamento base (Treinta y Tres).

Los coeficientes estimados para Colonia(US$ 334,37), Canelones (US$ 324,17), SanJosé (US$ 152,44), Maldonado (US$ 128,34),Flor ida (US$ 119,81) y Río Negro(US$ 101,78), fueron estadísticamente sig-nificativos al 1%. Los de Soriano (US$ 92,06)y Rocha (US$ 89,61) fueron significativos al5%, mientras que el de Tacuarembó(US$ 65,27) lo fue al 10%. Los restantes co-eficientes estimados no resultaron significa-tivamente diferentes de cero para ningunode los niveles considerados.

Nuevamente, debe insistirse en la ideade que los coeficientes de la regresión mul-

Figura 19.Figura 19.Figura 19.Figura 19.Figura 19. Ajuste del precio de la tierra por el índice CONEAT (base IC = 100) .

500

600

700

588600

583560

600 610

300

350

400

450

500

550

600

650

700

750

85 100 120Índice CONEAT original

Pre

cio

(US

$/h

a)

Valor (CONEAT original) Base 100 - ajuste lineal (regla de 3) Base 100 - ajuste no lineal (modelo)

INIA

35


tivariada expresan premios o descuentos conrespecto a la base, debidos exclusivamenteal efecto de la característica de interés,manteniéndose todas las demás caracterís-ticas constantes (ceteris paribus). Los pre-cios promedio surgidos del procesamientode las estadísticas descriptivas básicascomo las que fueron presentadas en la sec-ción anterior, aún cuando se presenten dis-criminados por departamento, incluyen losefectos combinados del conjunto de carac-terísticas.

Superficie

Al analizar la variable relativa a superfi-cie, se observa que el coeficiente respecti-vo (0,00401) no fue significativo para ningu-no de los niveles considerados. Esto indicaclaramente que el tamaño de predio no tuvoefecto, por sí mismo, sobre el precio porhectárea de la tierra. Por el contrario, sugie-re que la tendencia normalmente observadaen cuanto a que los predios de menor tama-ño se venden a precios superiores se debea otras características, como la aptitud de

uso y la localización, dos características quea menudo tienen asociación con el tamaño.

Aptitud de Uso

La aptitud de uso del predio demostró seruna característica relevante en la determi-nación del precio de venta. Todos los coefi-cientes resultaron ser estadísticamente di-ferentes de cero al 1% excepto para el casode la lechería, que también lo fue pero sola-mente para el 10%. Las magnitudes y lossignos se comportaron de acuerdo a lo es-perado previamente.

Por un lado, el coeficiente de aptitudcomo campo ganadero fue el único con sig-no negativo (–88,80248), indicando que uncampo tipificado como exclusivamente ga-nadero recibió una penalización en el preciorecibido por hectárea, est imada enUS$ 88,80, respecto al recibido por uno agrí-cola-ganadero (tomado como base), es de-cir, por el solo hecho de tener esa limitante(ceteris paribus).

Figura 20.Figura 20.Figura 20.Figura 20.Figura 20. Efecto de la localización sobre el precio de la tierra.

36


Todos los demás tipos de predio recibie-ron un sobreprecio respecto al predio base,a igualdad de todas las demás condiciones.El mayor sobreprecio fue recibido por loscampos de aptitud agrícola (US$ 124,14).Los campos de aptitud lechera (US$ 107,54)y forestal (US$ 106,37) recibieron sobrepre-cios similares, respecto a los agrícola gana-deros, mientras que los predios de aptitudarrocera (US$ 93,94) recibieron el nivel desobreprecio menor10.

Los resultados obtenidos sugieren que latendencia mostrada por las estadísticas pre-liminares en cuanto a que, en promedio, elprecio por hectárea de los predios agrícola-ganaderos solo era superado por los pura-mente agrícolas, esconde otros efectos,como ser la localización o el índice CONEAT,entre otros.

Variables de Control

Por último, las cuatro variables incluidaspara controlar el contexto externo exhibie-ron efectos significativos sobre el precio dela hectárea. El coeficiente correspondienteal tipo de cambio mostró un efecto negativo(–7,66240), para un nivel de significación de10%, sugiriendo que una depreciación deldólar trae aparejado un aumento del preciode la tierra, medido en dicha moneda. Porotra parte, tanto el precio del gasoil como elprecio del kilo en pie de vaca gorda (ambosmedidos en dólares) mostraron una asocia-ción positiva con el precio de la tierra, paratodos los niveles de significación conside-rados.

5 PRINCIPALESCONCLUSIONES

Los resultados obtenidos en esta inves-tigación demuestran que el índice CONEATcontinúa siendo utilizado como un factor dereferencia y relevancia en la formación delprecio de la tierra para uso agropecuario, porparte de los vendedores y compradores decampo, en el Uruguay.

Para la base de datos utilizada en esteestudio, que abarcó 1.407 transacciones depredios rurales registradas entre diciembrede 1993 y abril de 2005, el IC mostró unarelación positiva aunque no lineal con el pre-cio de la hectárea. A valores inferiores deCONEAT, la función de precios hedónicoses bastante inelástica. Dicha elasticidad seincrementa rápidamente al principio pero enforma decreciente, hasta hacerse práctica-mente unitaria para los niveles superiores delíndice.

Este efecto del IC sobre el precio es in-dependiente de otros atributos del predio,que también contribuyeron a la formación delprecio de la hectárea, como la aptitud de usoy la localización geográfica. Una consecuen-cia práctica de esto es que la conversiónlineal de los precios de predios con distintoIC a base CONEAT 100 puede resultar enuna distorsión de los mismos. La conversión,por simple regla de tres, tiende a sobrevalo-rar los precios de predios con IC menor a100 y a subvalorar los de índice superior ala base. Así, el precio promedio ajustado abase 100, de predios de CONEAT inferioresa 100, puede acabar siendo superior al pre-cio promedio ajustado de predios con mayorproductividad CONEAT.

Otros estudios han atribuido este fenó-meno al sesgo ganadero del índice de pro-ductividad CONEAT. Según esta interpreta-ción, los índices inferiores no reflejan correc-tamente la productividad en suelos que sonaptos para otras actividades, como la fores-tación o la producción arrocera. Esto, conser cierto, no es lo que explica la distorsiónobservada, pues esta relación no lineal esindependiente de su aptitud de uso. Es unefecto del índice en sí mismo, sobre el pre-cio. En la práctica, el mercado de tierras nodiscrimina los predios de menor CONEAT enuna forma tan negativa como, por propia cons-trucción, el propio índice sugeriría. No obstan-te, al ajustar los valores de precios de distintoíndice a CONEAT 100, dicha relación no linealdebería tomarse en cuenta.

10En realidad, nada puede decirse, desde el punto de vista estadístico acerca de la relación entre las magnitudesde estos coeficientes; la evidencia estadística indica solamente que todos son significativos respecto al prediobase (agrícola-ganadero).

INIA

37


Para los datos manejados en este estu-dio, la diferencia en el precio de la hectáreaentre un predio con IC 70 y ese mismo pre-dio con IC 80, con la misma aptitud de uso yubicación geográfica y vendido en la mismaépoca (ceteris paribus), fue de casi 34 dóla-res. Sin embargo, en el tramo superior de laescala CONEAT, la diferencia de precio entredos predios idénticos en todo excepto en suIC (uno con 130 y el otro con 140) fue de 50dólares.

La localización del predio y su aptitud deuso fueron otros dos factores que tambiénafectaron marcadamente el valor de merca-do de un predio. Ordenándolos en forma de-creciente en base a precio y tomando encuenta exclusivamente la aptitud de uso, seubicaron los predios agrícolas, seguidos delos forestales y los lecheros (en un nivel si-milar), los predios arroceros, los agrícola-ganaderos y, por último, los ganaderos. Aigualdad de otras condiciones, los predioslocalizados en los departamentos de la zonacentro-sur y litoral-sur del país recibieron unsobre precio respecto a la base de compa-ración (Treinta y Tres). Finalmente, la res-tante característica descriptiva del predio,el tamaño en hectáreas, no demostró, en símismo, tener efectos significativos sobre elprecio de la hectárea.

Este estudio presentó algunas limitantesque fueron imposibles de subsanar en esta

instancia. En primer lugar, si bien incluyó unbuen número de años, la información utiliza-da l legó solamente hasta el pr imercuatrimestre de 2005. Los resultados hubie-ran podido ser más relevantes de habersecontado con una base más actualizada. Ensegundo lugar, el efecto del las variablesestudiadas y, particularmente, el del índicede productividad CONEAT, se hubiera podi-do determinar con mayor precisión de ha-berse contado con una muestra más com-pleta, que incluyera otras variables relevan-tes, en términos del valor de un predio, comoser: distancia a centros poblados, accesosal predio, facilidades e instalaciones, entreotros.

Más allá de las consideraciones anterio-res, los resultados presentados en esta pu-blicación permiten profundizar el conocimien-to del mercado de t ierras para usoagropecuario. Añaden información comple-mentaria a la proporcionada por otros estu-dios recientes. El análisis de mercados debienes diferenciados a través de modelos deprecios hedónicos permite estimar la contri-bución de cada una de las característicasdel bien al precio final de transacción. Sonprecisamente esas características o atribu-tos, lo que los compradores aprecian a lahora de definir su disposición a pagar poresos bienes en el mercado.

38


6 BIBLIOGRAFÍA

ALSTON, J.M. ALSTON, J.M. ALSTON, J.M. ALSTON, J.M. ALSTON, J.M. 1986. «An analysis of growthof U.S. farmland pr ices, 1963-82»American Journal of Agr icul turalEconomics 68(1): 1-9.

BARRBARRBARRBARRBARRYYYYY, P, P, P, P, P.J..J..J..J..J. 1980. «Capital asset pricing andfarm real estate» American Journal ofAgricultural Economics 62(3): 549-553.

BEDABEDABEDABEDABEDATTTTT, A. , A. , A. , A. , A. yyyyy OIS, C. OIS, C. OIS, C. OIS, C. OIS, C. 2005. Funcionamiento yMecanismos de Formación de Preciosen los Remates Ganaderos por Pantallaen el Uruguay. Facultad de CienciasEconómicas y de Administración,Universidad de la República. Trabajo deinvestigación monográfico. Montevideo,Uruguay: 112 pp.

BHABHABHABHABHATTTTTTTTTTARAI, G.R.; PANDITARAI, G.R.; PANDITARAI, G.R.; PANDITARAI, G.R.; PANDITARAI, G.R.; PANDIT, R. , R. , R. , R. , R. yyyyy HITE, D. HITE, D. HITE, D. HITE, D. HITE, D.2004. «Willingness to pay for publicgoods: a hedonic demand model forneighborhood safety, school andenvironmental quality.» Selected Paper.Presented at the Southern AgriculturalEconomics Association (SAEA) AnnualMeetings. Tulsa, OK.

BRANNMAN, L. ; BUONGIORNO, J. BRANNMAN, L. ; BUONGIORNO, J. BRANNMAN, L. ; BUONGIORNO, J. BRANNMAN, L. ; BUONGIORNO, J. BRANNMAN, L. ; BUONGIORNO, J. yyyyyFIGHTFIGHTFIGHTFIGHTFIGHT, R., R., R., R., R. 1981. «Quality adjusted priceindices for Douglas-Fir timber.» WesternJournal of Agricultural Economics 6(2):259-272.

BURBURBURBURBURTTTTT, O.R., O.R., O.R., O.R., O.R. 1986. «Econometric modelling ofthe capitalization formula for farmlandprices.» American Journal of AgriculturalEconomics 68(1): 10-26.

CAPURRO, M.CAPURRO, M.CAPURRO, M.CAPURRO, M.CAPURRO, M. 1977. CONEAT: Reseña de lametodología adoptada para determinarla product iv idad a nivel predial .Fundación de Cultura Universitaria.Montevideo: 42 pp.

CHACHACHACHACHAVVVVVAS J.PAS J.PAS J.PAS J.PAS J.P. . . . . yyyyy SHUMW SHUMW SHUMW SHUMW SHUMWAAAAAYYYYY, C.R., C.R., C.R., C.R., C.R. 1982. «Apooled t ime-ser ies cross-sect ionanalysis of land pr ices.» WesternJournal of Agricultural Economics 7(1):31-42.

CIDECIDECIDECIDECIDE. 1963. Los suelos del Uruguay: su uso ymanejo. Comisión de Inversiones yDesarrol lo Económico. SectorAgropecuario. Estudio Económico delUruguay. Evolución del Sector Agrícola.Ser ie A Estudios Sector ia les.Montevideo: 68 pp.

CONEACONEACONEACONEACONEATTTTT. . . . . 2010. «Índice de productividad ygrupos de suelos CONEAT». En: CONEATDigital. http://www.prenader.gub.uy/coneat/doc/doc_coneat.htm. Últimoacceso: Dic. 2010.

CONEACONEACONEACONEACONEATTTTT. . . . . 1979. Grupos de suelos CONEAT.Índices de productividad. ComisiónNacional de Estudio Agroeconómico dela Tierra, Ministerio de Agricultura yPesca. CONEAT-MAP. Montevideo:167 pp.

DADADADADAVIDSON, R. VIDSON, R. VIDSON, R. VIDSON, R. VIDSON, R. yyyyy MACKINNON, J. MACKINNON, J. MACKINNON, J. MACKINNON, J. MACKINNON, J. 1993.Est imat ion and inference inEconometr ics. New York: OxfordUniversity Press.

DIEA.DIEA.DIEA.DIEA.DIEA. 2010. Tierras de uso agropecuario: ven-tas y arrendamientos – Año 2009. Direc-ción de Estadísticas Agropecuarias, Mi-nisterio de Ganadería, Agricultura y Pes-ca. DIEA-MGAP. Series Trabajos Espe-ciales Nº 296. Montevideo: 32 pp.

DIEA.DIEA.DIEA.DIEA.DIEA. 2009. Tierras de uso agropecuario:ventas y arrendamientos – Año 2008.Dirección de Estadísticas Agropecuarias,Ministerio de Ganadería, Agricultura yPesca. DIEA-MGAP. Series TrabajosEspeciales Nº 285. Montevideo: 30 pp.

DIEA.DIEA.DIEA.DIEA.DIEA. 2008. Tierras de uso agropecuario: ven-tas y arrendamientos – Período 2000-2007. Dirección de Estadísticas Agrope-cuarias, Ministerio de Ganadería, Agri-cultura y Pesca. DIEA-MGAP. Series Tra-bajos Especiales Nº 262. Montevideo:52 pp.

DIEA.DIEA.DIEA.DIEA.DIEA. 2007. El precio de la tierra en el Uru-guay: ventas de tierras para uso agro-pecuario. Dirección de Estadísticas Agro-pecuarias, Ministerio de Ganadería, Agri-cultura y Pesca. DIEA-MGAP. Series Tra-bajos Especiales Nº 250. Montevideo:32 pp.

DIEA. DIEA. DIEA. DIEA. DIEA. 2004. Regiones de especialización pro-ductiva. Dirección de Estadísticas Agro-pecuarias, Ministerio de Ganadería, Agri-cultura y Pesca. DIEA-MGAP. Agosto2004. Montevideo: 50 pp.

DIEA.DIEA.DIEA.DIEA.DIEA. 2003. La lechería comercial en el Uru-guay: contribución a su conocimiento.Dirección de Estadísticas Agropecuarias,Ministerio de Ganadería, Agricultura yPesca. DIEA-MGAP. Montevideo: 68 pp.

INIA

39


DIEA. DIEA. DIEA. DIEA. DIEA. 2000. Sistema de información del CensoAgropecuario 2000 (SICA). Dirección deEstadísticas Agropecuarias, Ministeriode Ganadería, Agricultura y Pesca.DIEA-MGAP. Montevideo. CD-ROM.

DURÁN, A. DURÁN, A. DURÁN, A. DURÁN, A. DURÁN, A. 2008. «Índice de productividadCONEAT: origen de los índices, conceptode product iv idad, nomenclatura yutilización.» Facultad de Agronomía.Universidad de la República. Materialelaborado en base a presentación delProf. Art igas Durán. URL: ht tp: / /www.fagro.edu.uy/~edafologia/curso/Material%20de%20lectura/ TEORICOS/coneat2008.ppt. Úl t imo acceso:Ene. 2011.

FAMINOWFAMINOWFAMINOWFAMINOWFAMINOW, M.D. , M.D. , M.D. , M.D. , M.D. yyyyy GUM, R.L. GUM, R.L. GUM, R.L. GUM, R.L. GUM, R.L. 1986. «Feedercattle differentials in Arizona auctionmarkets.» Western Journal of AgriculturalEconomics. 11(2): 156-163.

FELDSTEIN, M. FELDSTEIN, M. FELDSTEIN, M. FELDSTEIN, M. FELDSTEIN, M. 1980. «Inflation, portfoliochoice and the pr ices of land andcorporate stock.» American Journal ofAgricultural Economics 65(5): 910-916.

HARDIE, I. HARDIE, I. HARDIE, I. HARDIE, I. HARDIE, I. yyyyy NICKERSON, C. NICKERSON, C. NICKERSON, C. NICKERSON, C. NICKERSON, C. 2001. «Theeffect of a forest conservation regulationon the value of subdivisions in Marylandspace.» The University of Maryland.Department of Agricultural and ResourceEconomics. Working Paper 03-01.

HHHHHERRIGES, J.A. SECCHI, S. ERRIGES, J.A. SECCHI, S. ERRIGES, J.A. SECCHI, S. ERRIGES, J.A. SECCHI, S. ERRIGES, J.A. SECCHI, S. yyyyy BABCOCK, BABCOCK, BABCOCK, BABCOCK, BABCOCK,B.A.B.A.B.A.B.A.B.A. 2003. «Living with hogs in Iowa: theimpact of livestock facilities on ruralresidential property values.» University ofIowa Center for Agricultural and RuralDevelopment. Working Paper 03-WP342.

INC.INC.INC.INC.INC. 2010. «Comportamiento histórico del pre-cio de la tierra hasta el segundo semes-tre del año 2010.» En: Instituto Nacionalde Colonización. Departamento de Ta-saciones, Rentas y Arquitectura. URL:http://www.colonizacion.com.uy/content/view/70/101/. Último acceso: Ene. 2011.

INC.INC.INC.INC.INC. 2007. «Comportamiento del valor de latierra en el año 2006.» En: Instituto Na-cional de Colonización. Departamentode Tasaciones, Rentas y Arquitectura.URL: http://www.colonizacion.com.uy/content/view/70/101/. Último acceso:Ene. 2011.

INC.INC.INC.INC.INC. 2006a. «Comportamiento del valor de latierra en el año 2005.» En: Instituto Na-

cional de Colonización. Departamentode Tasaciones, Rentas y Arquitectura.URL: http://www.colonizacion.com.uy/content/view/70/101/. Último acceso:Ene. 2011.

INC. INC. INC. INC. INC. 2006b. «Comparativo de indicadores delos primeros semestres años 2005-2006.» En: Inst i tuto Nacional deColonización. Departamento deTasaciones, Rentas y Arquitectura. URL:http://www.colonizacion.com.uy/content/view/70/101/. Último acceso: Ene. 2011.

JUSTJUSTJUSTJUSTJUST, R.E. , R.E. , R.E. , R.E. , R.E. yyyyy MIRANOWSKI, J. A. MIRANOWSKI, J. A. MIRANOWSKI, J. A. MIRANOWSKI, J. A. MIRANOWSKI, J. A. 1993.«Econometr ic model l ing of thecapi tal izat ion formula for farmlandprices.» American Journal of AgriculturalEconomics 75(1): 156-168.

KING, S.A.KING, S.A.KING, S.A.KING, S.A.KING, S.A. y y y y y SCHREINER, D.F SCHREINER, D.F SCHREINER, D.F SCHREINER, D.F SCHREINER, D.F..... 2004.«Hedonic estimation of SoutheasternOklahoma forestland prices.» SelectedPaper. Presented at the SouthernAgricultural Economics Associat ion(SAEA) Annual Meetings. Tulsa, OK.

LADD, G.WLADD, G.WLADD, G.WLADD, G.WLADD, G.W. . . . . yyyyy MAR MAR MAR MAR MARTIN, M.B.TIN, M.B.TIN, M.B.TIN, M.B.TIN, M.B. 1976. «Pricesand demands for input characteristics.»American Journal of Agr icul turalEconomics. 58(1): 21-30.

LANFRANCO, B. , OIS, C. LANFRANCO, B. , OIS, C. LANFRANCO, B. , OIS, C. LANFRANCO, B. , OIS, C. LANFRANCO, B. , OIS, C. yyyyy BEDA BEDA BEDA BEDA BEDATTTTT, A., A., A., A., A.2006. Variabilidad de corto plazo en laformación de precios en el mercadovacuno de reposición. Instituto Nacionalde Investigación Agropecuaria. INIASerie Técnica 155. Montevideo: 57 pp.

LANFRANCO, B. LANFRANCO, B. LANFRANCO, B. LANFRANCO, B. LANFRANCO, B. yyyyy OLEGGINI, G. OLEGGINI, G. OLEGGINI, G. OLEGGINI, G. OLEGGINI, G. 2007.Valor económico de los EPD y los índicesde comportamiento en los remates deKiyú. Instituto Nacional de InvestigaciónAgropecuaria. INIA Serie Técnica 165.Montevideo: 74 pp.

LORENZO, FLORENZO, FLORENZO, FLORENZO, FLORENZO, F. Y. Y. Y. Y. Y LANZILOTT LANZILOTT LANZILOTT LANZILOTT LANZILOTTA, B. A, B. A, B. A, B. A, B. 2002a.El precio de la tierra en Uruguay. OPYPA-MGAP. Anuario 2002. Montevideo.

LORENZO, FLORENZO, FLORENZO, FLORENZO, FLORENZO, F. . . . . yyyyy LANZILOTT LANZILOTT LANZILOTT LANZILOTT LANZILOTTA, B.A, B.A, B.A, B.A, B. 2002b.CONEAT: Precio de la tierra y creaciónde un fondo inmobiliario de tierras enUruguay. Informe Final . Centro deInvestigaciones Económicas - CINVE.Montevideo: 65 pp.

LIPSEYLIPSEYLIPSEYLIPSEYLIPSEY, R.G., R.G., R.G., R.G., R.G. y y y y y ROSENBLUTH G. ROSENBLUTH G. ROSENBLUTH G. ROSENBLUTH G. ROSENBLUTH G. 1971. «Acontribution to the new theory of demand:a rehabilitation of the Giffen good.» TheCanadian Journal of Economics 4(2):131-163.

40


MCLAREN, R.S. , HENNING, L.A. MCLAREN, R.S. , HENNING, L.A. MCLAREN, R.S. , HENNING, L.A. MCLAREN, R.S. , HENNING, L.A. MCLAREN, R.S. , HENNING, L.A. yyyyyVENDEVEER, L.R.VENDEVEER, L.R.VENDEVEER, L.R.VENDEVEER, L.R.VENDEVEER, L.R. 2004. «Marginalef fects of land character ist ics andpurchase factors on rural land values.»Selected Paper. Presented at theSouthern Agr icul tural EconomicsAssociation (SAEA) Annual Meetings.Tulsa, OK.

MOLFINO, J.H. MOLFINO, J.H. MOLFINO, J.H. MOLFINO, J.H. MOLFINO, J.H. 2002. «Uruguay: informenacional.» Informe preparado para elportal de información de tierras y aguas:Gateway to Land and Water Information.URL: http://www.apipnm.org/swlwpnr/r e p o r t s / y _ l m / z _ u y / u y. h t m . Ú l t i m aadaptación: Dic. 2002.

MUNROE, D.K. , PARKER, D.C. MUNROE, D.K. , PARKER, D.C. MUNROE, D.K. , PARKER, D.C. MUNROE, D.K. , PARKER, D.C. MUNROE, D.K. , PARKER, D.C. yyyyyCAMPBELL, H.SCAMPBELL, H.SCAMPBELL, H.SCAMPBELL, H.SCAMPBELL, H.S. 2004. «The variedimpact on residential property values ina metropolitan, micropolitan, and ruralareas: the case of the Catawba regionaltrail.» Selected Paper. Presented at theAmerican Agricul tural EconomicsAssociation (AAEA) Annual Meetings.Denver, CO.

OBI, A.OBI, A.OBI, A.OBI, A.OBI, A. 2006. Trends in South Afr icanagr icul tural land pr ices. Ph.D.Dissertation. The University of The FreeState. Bloemfontein, South Africa.

PALMQUISTPALMQUISTPALMQUISTPALMQUISTPALMQUIST, R.B., R.B., R.B., R.B., R.B. 1989. «Land as adifferentiated factor of production: ahedonic model and its Implications forwelfare measurement.» Land Economics65(1): 23-28.

PALMQUISTPALMQUISTPALMQUISTPALMQUISTPALMQUIST, R.B. , R.B. , R.B. , R.B. , R.B. yyyyy DANIELSON, L.E. DANIELSON, L.E. DANIELSON, L.E. DANIELSON, L.E. DANIELSON, L.E.1989. «A hedonic study of the effects ofthe erosion control and drainage onfarmland values.» American Journal ofAgricultural Economics 71(1): 55-62.

POPE, R.D., KRAMER, R.A. , GREEN,POPE, R.D., KRAMER, R.A. , GREEN,POPE, R.D., KRAMER, R.A. , GREEN,POPE, R.D., KRAMER, R.A. , GREEN,POPE, R.D., KRAMER, R.A. , GREEN,R.D. R.D. R.D. R.D. R.D. yyyyy GARDNER, B.D. GARDNER, B.D. GARDNER, B.D. GARDNER, B.D. GARDNER, B.D. 1979. «Anevaluation of econometric models of U.S.farmland prices.» Western. Journal ofAgricultural Economics 4(1): 107-120.

RENARE. RENARE. RENARE. RENARE. RENARE. 2011. Sistema de InformaciónGeográfica. En: Dirección General deRecursos Naturales Renovables,Ministerio de Ganadería, Agricultura yPesca. RENARE- MGAP. URL: http://w w w . m g a p . g u b . u y / r e n a r e / S I G /Sistema_Informacion _Geografica.htm.Último acceso: Ene. 2011.

RENARE. RENARE. RENARE. RENARE. RENARE. 2010. Compendio actualizado deinformación de suelos del Uruguay. En:Dirección General de Recursos

Naturales Renovables, Ministerio deGanadería, Agr icul tura y Pesca.RENARE-MGAP. URL http: / /www.cebra.com.uy/renare/ compendio-de-suelos-del-uruguay-grat is-y-por-internet/ Fecha de publicación: 24/06/2010.

ROSEN, S.ROSEN, S.ROSEN, S.ROSEN, S.ROSEN, S. 1974. «Hedonic prices and implicitmarkets: product differentiation in purecompet i t ion.» Journal of Pol i t icalEconomy 82(1): 34-55.

SÁDER, FSÁDER, FSÁDER, FSÁDER, FSÁDER, F.M. .M. .M. .M. .M. 2006. El precio de la tierra deuso agropecuario. Oficina de Programa-ción y Política Agropecuaria, Ministeriode Ganadería, Agricultura y Pesca.OPYPA-MGAP. Anuario 2006. Montevi-deo.

SGM.SGM.SGM.SGM.SGM. 2011. Servicio Geográfico Militar. Lacartografía oficial del Uruguay. En:Servic io Geográf ico Mi l i tar. WebInst i tucional . URL: ht tp: / /www.ejercito.mil.uy/cal/sgm/ index.htm.Último acceso: 07/01/2011.

STSTSTSTSTOBBE, TOBBE, TOBBE, TOBBE, TOBBE, T. , COTTELEER, G. . , COTTELEER, G. . , COTTELEER, G. . , COTTELEER, G. . , COTTELEER, G. yyyyy V V V V VANANANANANKOOTEN, G.C.KOOTEN, G.C.KOOTEN, G.C.KOOTEN, G.C.KOOTEN, G.C. 2007. «Spatial errordependence in a GIS-based hedonicpricing model of fFarmland values inBri t ish Columbia.» Selected Paper.Presented at the Spatial EconometricsConference. Cambridge.

TEGENE, A. TEGENE, A. TEGENE, A. TEGENE, A. TEGENE, A. yyyyy KUCHLER, F KUCHLER, F KUCHLER, F KUCHLER, F KUCHLER, F..... 1991. «An errorcorrecting model of farmland prices.»Applied Economics 23: 1741-1747.

TEGENE, A. TEGENE, A. TEGENE, A. TEGENE, A. TEGENE, A. yyyyy KUCHLER, F KUCHLER, F KUCHLER, F KUCHLER, F KUCHLER, F..... 1993.«Evidence on the existence ofspeculative bubbles in farmland prices.»Journal of Real Estate Finance andEconomics 6: 223-236.

TIEBOUTTIEBOUTTIEBOUTTIEBOUTTIEBOUT, S., S., S., S., S. 1956. «A pure theory of localexpendi tures.» Journal of Pol i t icalEconomy 64(5): 416-424.

TSOODLE, L . , GOLDEN, B . TSOODLE, L . , GOLDEN, B . TSOODLE, L . , GOLDEN, B . TSOODLE, L . , GOLDEN, B . TSOODLE, L . , GOLDEN, B . yyyyyFEAFEAFEAFEAFEATHERSTTHERSTTHERSTTHERSTTHERSTONE, A . ONE, A . ONE, A . ONE, A . ONE, A . 2003 .«Determinants of Kansas agriculturalland va lues .» Se lec ted Paper.Presented at the Southern AgriculturalEconomics Association (SAEA) AnnualMeetings. Mobile, AL.

VVVVVALORA.ALORA.ALORA.ALORA.ALORA. 2004. Estudio de evolución del valorde la tierra rural en el Uruguay. Período1997-2003. VALORA Consultoría &Valuaciones (Octubre 2004). Montevideo:30 pp.

INIA

41


WELIWITWELIWITWELIWITWELIWITWELIWITA, A. A, A. A, A. A, A. A, A. yyyyy GOVINDASAMY GOVINDASAMY GOVINDASAMY GOVINDASAMY GOVINDASAMY, R., R., R., R., R. 1997.«Determinants of farmland prices in theNorth-Eastern United States: acointegrat ion Analysis.» Appl iedEconomics Letters 4: 211-214.

WHITE, H.WHITE, H.WHITE, H.WHITE, H.WHITE, H. 1980. «A heteroscedast ic i ty-consistent covariance matrix estimatorand a direct test for heteroscedasticity.»Econometrica. 48(4): 817-838.

42


Impreso en Editorial Hemisferio Sur S.R.L.Buenos Aires 335Montevideo - Uruguay

Depósito Legal /353-719/11

EL ÍNDICE CONEAT COMO MEDIDA DE PRODUCTIVIDAD Y VALOR DE … · EL ÍNDICE CONEAT COMO MEDIDA DE...

Documents

Transcript of EL ÍNDICE CONEAT COMO MEDIDA DE PRODUCTIVIDAD Y VALOR DE … · EL ÍNDICE CONEAT COMO MEDIDA DE...